論文の概要: HGE: Embedding Temporal Knowledge Graphs in a Product Space of
Heterogeneous Geometric Subspaces
- arxiv url: http://arxiv.org/abs/2312.13680v2
- Date: Mon, 25 Dec 2023 09:20:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 20:36:20.544411
- Title: HGE: Embedding Temporal Knowledge Graphs in a Product Space of
Heterogeneous Geometric Subspaces
- Title(参考訳): hge:不均質な幾何部分空間の積空間への時間的知識グラフの埋め込み
- Authors: Jiaxin Pan, Mojtaba Nayyeri, Yinan Li, Steffen Staab
- Abstract要約: 時間的知識グラフは時間的事実を表す。 $(s,p,o,tau)$ 主題 $s$ とオブジェクト $o$ at time $tau$。
本稿では,時間的事実を,異なる幾何学的性質を持つ不均一な幾何部分空間の積空間にマッピングする埋め込み手法を提案する。
- 参考スコア(独自算出の注目度): 31.808046956138757
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Temporal knowledge graphs represent temporal facts $(s,p,o,\tau)$ relating a
subject $s$ and an object $o$ via a relation label $p$ at time $\tau$, where
$\tau$ could be a time point or time interval. Temporal knowledge graphs may
exhibit static temporal patterns at distinct points in time and dynamic
temporal patterns between different timestamps. In order to learn a rich set of
static and dynamic temporal patterns and apply them for inference, several
embedding approaches have been suggested in the literature. However, as most of
them resort to single underlying embedding spaces, their capability to model
all kinds of temporal patterns was severely limited by having to adhere to the
geometric property of their one embedding space. We lift this limitation by an
embedding approach that maps temporal facts into a product space of several
heterogeneous geometric subspaces with distinct geometric properties, i.e.\
Complex, Dual, and Split-complex spaces. In addition, we propose a
temporal-geometric attention mechanism to integrate information from different
geometric subspaces conveniently according to the captured relational and
temporal information. Experimental results on standard temporal benchmark
datasets favorably evaluate our approach against state-of-the-art models.
- Abstract(参考訳): 時間的知識グラフは、時間的事実を表す: $(s,p,o,\tau)$ 主題 $s$ と対象 $o$ を関係ラベル $p$ at time $\tau$ で関連付ける。
時間的知識グラフは、異なる時点における静的な時間的パターンと異なるタイムスタンプ間の動的時間的パターンを示す。
静的および動的時間パターンの豊富な集合を学習し、推論に適用するために、いくつかの埋め込みアプローチが文献に提案されている。
しかし、それらの多くは単一の基礎となる埋め込み空間に頼っているため、すべての時間パターンをモデル化する能力は、その1つの埋め込み空間の幾何学的性質に固執することによって著しく制限された。
我々は、時間的事実を異なる幾何学的性質を持つ幾何部分空間、すなわち、複素空間、双対空間、分割複体空間の積空間に写す埋め込みアプローチによって、この制限を持ち上げる。
また,異なる幾何部分空間からの情報を,キャプチャした関係情報や時間情報に応じて簡便に統合するための時間的幾何的注意機構を提案する。
標準時相ベンチマークデータセットの実験結果は,最先端モデルに対するアプローチを好意的に評価した。
関連論文リスト
- Temporal Knowledge Graph Completion with Time-sensitive Relations in
Hypercomplex Space [20.235189945656927]
時間的知識グラフ補完(TKGC)は、特定の時間における時間的知識グラフ内の行方不明事実を埋めることを目的としている。
本稿では,超複素空間内のTKGCに対して,より表現力の高い四元数表現を導入することで,従来のアプローチを超えて前進する。
論文 参考訳(メタデータ) (2024-03-02T16:50:48Z) - A Decoupled Spatio-Temporal Framework for Skeleton-based Action
Segmentation [89.86345494602642]
既存の手法は、弱い時間的モデリング能力に制限されている。
この問題に対処するために、Decoupled Scoupled Framework (DeST)を提案する。
DeSTは計算量が少なく、現在の最先端の手法を著しく上回っている。
論文 参考訳(メタデータ) (2023-12-10T09:11:39Z) - Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。
我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。
グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
論文 参考訳(メタデータ) (2023-11-29T12:48:33Z) - H2TNE: Temporal Heterogeneous Information Network Embedding in
Hyperbolic Spaces [11.673996427046408]
時間的HINに対する双曲的ヘテロジニアス時間ネットワーク埋め込みモデルを提案する。
具体的には、時間的かつ不均一に2重拘束されたランダムウォーク戦略を利用して、構造的および意味的な情報をキャプチャする。
提案手法は,SOTAモデルと比較して時間的リンク予測とノード分類に優れる。
論文 参考訳(メタデータ) (2023-04-14T07:39:52Z) - Dynamic Spatial-temporal Hypergraph Convolutional Network for
Skeleton-based Action Recognition [4.738525281379023]
骨格に基づく行動認識は空間的時間的トポロジ情報の抽出に依存する。
本稿では,骨格型行動認識のための動的時空間ハイパーグラフ畳み込みネットワーク(DST-HCN)を提案する。
論文 参考訳(メタデータ) (2023-02-17T04:42:19Z) - TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [56.22339016797785]
本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。
提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。
私たちのコードはGitHubで公開されます。
論文 参考訳(メタデータ) (2023-01-05T22:10:16Z) - Spatio-Temporal Joint Graph Convolutional Networks for Traffic
Forecasting [75.10017445699532]
近年、時間グラフモデリング問題として交通予測の定式化に焦点が移っている。
本稿では,道路網における交通予測の精度向上のための新しい手法を提案する。
論文 参考訳(メタデータ) (2021-11-25T08:45:14Z) - Geometric Models for (Temporally) Attributed Description Logics [21.027712454317047]
DL言語と知識グラフのギャップを埋めるために、分散記述ロジック(DL)が定義されている。
本稿では,DL-Liteファミリーのホルン方言の属性バージョンに着目し,それらの互換性について検討する。
時間的特性を持つDLは一般に凸幾何学モデルを持たないが,時間的属性の使用に制限を加えることで幾何的満足度を回復できることを示す。
論文 参考訳(メタデータ) (2021-08-27T12:40:14Z) - Quadric hypersurface intersection for manifold learning in feature space [52.83976795260532]
適度な高次元と大きなデータセットに適した多様体学習技術。
この手法は、二次超曲面の交点という形で訓練データから学習される。
テスト時、この多様体は任意の新しい点に対する外れ値スコアを導入するのに使うことができる。
論文 参考訳(メタデータ) (2021-02-11T18:52:08Z) - CaSPR: Learning Canonical Spatiotemporal Point Cloud Representations [72.4716073597902]
本研究では,動的あるいは動いた物体の標準点クラウド表現を学習する手法を提案する。
本稿では, 形状再構成, カメラポーズ推定, 連続時間列再構成, 対応推定など, 様々な応用における本手法の有効性を実証する。
論文 参考訳(メタデータ) (2020-08-06T17:58:48Z)
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。