論文の概要: Anchoring Path for Inductive Relation Prediction in Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2312.13596v1
• Date: Thu, 21 Dec 2023 06:02:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-22 15:52:25.889560
• Title: Anchoring Path for Inductive Relation Prediction in Knowledge Graphs
• Title（参考訳）: 知識グラフにおける帰納的関係予測のためのアンカーパス
• Authors: Zhixiang Su, Di Wang, Chunyan Miao and Lizhen Cui
• Abstract要約: APSTはAPとCPを統一されたSentence Transformerアーキテクチャの入力として扱う。 我々は3つの公開データセット上でAPSTを評価し、36のトランスダクティブ、インダクティブ、および数ショットの実験的設定のうち30の最先端(SOTA)性能を達成する。
• 参考スコア（独自算出の注目度）: 69.81600732388182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aiming to accurately predict missing edges representing relations between entities, which are pervasive in real-world Knowledge Graphs (KGs), relation prediction plays a critical role in enhancing the comprehensiveness and utility of KGs. Recent research focuses on path-based methods due to their inductive and explainable properties. However, these methods face a great challenge when lots of reasoning paths do not form Closed Paths (CPs) in the KG. To address this challenge, we propose Anchoring Path Sentence Transformer (APST) by introducing Anchoring Paths (APs) to alleviate the reliance of CPs. Specifically, we develop a search-based description retrieval method to enrich entity descriptions and an assessment mechanism to evaluate the rationality of APs. APST takes both APs and CPs as the inputs of a unified Sentence Transformer architecture, enabling comprehensive predictions and high-quality explanations. We evaluate APST on three public datasets and achieve state-of-the-art (SOTA) performance in 30 of 36 transductive, inductive, and few-shot experimental settings.
• Abstract（参考訳）: 現実世界の知識グラフ(KG)で広く普及しているエンティティ間の関係を表す欠落エッジを正確に予測することを目的として、関係予測はKGの包括性と有用性を高める上で重要な役割を果たす。 最近の研究は、誘導性と説明可能な性質による経路に基づく手法に焦点を当てている。 しかし、多くの推論パスがkg内で閉路(cps)を形成しない場合、これらの手法は大きな課題に直面している。 この課題に対処するために,CP の信頼性を緩和する Anchoring Paths (APs) を導入して Anchoring Path Sentence Transformer (APST) を提案する。 具体的には、エンティティ記述を充実させる検索ベース記述検索手法と、APの合理性を評価するための評価メカニズムを開発する。 APSTはAPとCPの両方を統一されたSentence Transformerアーキテクチャの入力とし、包括的な予測と高品質な説明を可能にする。 我々は3つの公開データセット上でAPSTを評価し、36のトランスダクティブ、インダクティブ、および数ショットの実験的設定のうち30の最先端(SOTA)性能を達成する。

関連論文リスト

• Few-shot Knowledge Graph Relational Reasoning via Subgraph Adaptation [51.47994645529258]
  Few-shot Knowledge Graph (KG) Reasoningは、KGにおける稀な関係に対して、目に見えない三つ子(すなわちクエリ三つ子)を予測することを目的としている。 本稿では,種々のサブグラフに文脈化グラフの情報を効果的に適応させる手法であるSAFER(Subgraph Adaptation for Few-shot Reasoning)を提案する。
  論文  参考訳（メタデータ） (2024-06-19T21:40:35Z)
• Query-Enhanced Adaptive Semantic Path Reasoning for Inductive Knowledge Graph Completion [45.9995456784049]
  本稿では Query-Enhanced Adaptive Semantic Path Reasoning (QASPR) フレームワークを提案する。 QASPRは、帰納的KGCタスクを強化するために、KGの構造情報と意味情報の両方をキャプチャする。 実験の結果,QASPRは最先端の性能を達成できた。
  論文  参考訳（メタデータ） (2024-06-04T11:02:15Z)
• KGExplainer: Towards Exploring Connected Subgraph Explanations for Knowledge Graph Completion [18.497296711526268]
  我々は,連結部分グラフを同定し,定量的に評価するための評価器を蒸留するモデルに依存しないKGExplainerを提案する。 ベンチマークデータセットの実験は、KGExplainerが有望な改善を達成し、人間の評価において83.3%の最適比率を達成することを示した。
  論文  参考訳（メタデータ） (2024-04-05T05:02:12Z)
• Ladder-of-Thought: Using Knowledge as Steps to Elevate Stance Detection [73.31406286956535]
  姿勢検出タスクにLadder-of-Thought(LoT)を導入する。 LoTは、小さなLMに高品質な外部知識を同化させ、生成した中間的論理を精査するように指示する。 実験では, 姿勢検出タスクにおけるCoTのGPT-3.5よりも16%改善し, 10%向上した。
  論文  参考訳（メタデータ） (2023-08-31T14:31:48Z)
• Exploring & Exploiting High-Order Graph Structure for Sparse Knowledge Graph Completion [20.45256490854869]
  本稿では,エンティティ間の価値ある長距離依存性を自動的にキャプチャできる新しいフレームワークLR-GCNを提案する。 提案手法は、GNNベースの予測器と推論経路蒸留器の2つの主成分からなる。
  論文  参考訳（メタデータ） (2023-06-29T15:35:34Z)
• Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual Recognition [57.08108545219043]
  サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。 既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。 本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
  論文  参考訳（メタデータ） (2023-05-12T00:13:17Z)
• Inductive Relation Prediction from Relational Paths and Context with Hierarchical Transformers [23.07740200588382]
  本稿では,エンティティ間の関係と固有性の両方をキャプチャする手法を提案する。 因果関係は関係意味論にのみ依存しており、完全に帰納的な設定に自然に一般化することができる。 実験では、2つの完全帰納的データセットの8つのバージョンサブセットのほぼすべてのベースラインに対して、Actionalは一貫してパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2023-04-01T03:49:47Z)
• Multi-Aspect Explainable Inductive Relation Prediction by Sentence Transformer [60.75757851637566]
  本稿では,モデル学習に先立って信頼できない経路をフィルタリングし,モデル性能を高めるための関係経路カバレッジと関係経路信頼の概念を紹介する。 知識グラフにおける帰納関係を予測するために,知識推論文変換器(KRST)を提案する。
  論文  参考訳（メタデータ） (2023-01-04T15:33:49Z)
• Supporting Vision-Language Model Inference with Confounder-pruning Knowledge Prompt [71.77504700496004]
  視覚言語モデルは、オープンセットの視覚概念を扱うために、画像とテキストのペアを共通の空間に整列させることで事前訓練される。 事前訓練されたモデルの転送可能性を高めるため、最近の研究では、固定または学習可能なプロンプトが採用されている。 しかし、どのようにして、どのプロンプトが推論性能を改善するのかは、まだ不明である。
  論文  参考訳（メタデータ） (2022-05-23T07:51:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。