論文の概要: Querying Triadic Concepts through Partial or Complete Matching of Triples

• arxiv url: http://arxiv.org/abs/2401.10271v1
• Date: Thu, 4 Jan 2024 18:44:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-28 16:17:56.414821
• Title: Querying Triadic Concepts through Partial or Complete Matching of Triples
• Title（参考訳）: 三重項の部分的または完全マッチングによる三進概念の問合せ
• Authors: Pedro Henrique B. Ruas, Rokia Missaoui and Mohamed Hamza Ibrahim
• Abstract要約: Inverted index を用いて三重項の部分的あるいは完全マッチングを通じて三重項概念を問合せする新しい手法を提案する。 私たちのソリューションは優れた効率を示すが、スケーラビリティの向上も強調しており、ビッグデータのシナリオに適しています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we introduce a new method for querying triadic concepts through partial or complete matching of triples using an inverted index, to retrieve already computed triadic concepts that contain a set of terms in their extent, intent, and/or modus. As opposed to the approximation approach described in Ananias, this method (i) does not need to keep the initial triadic context or its three dyadic counterparts, (ii) avoids the application of derivation operators on the triple components through context exploration, and (iii) eliminates the requirement for a factorization phase to get triadic concepts as the answer to one-dimensional queries. Additionally, our solution introduces a novel metric for ranking the retrieved triadic concepts based on their similarity to a given query. Lastly, an empirical study is primarily done to illustrate the effectiveness and scalability of our approach against the approximation one. Our solution not only showcases superior efficiency, but also highlights a better scalability, making it suitable for big data scenarios.
• Abstract（参考訳）: 本稿では,逆インデックスを用いて三進数の部分的あるいは完全マッチングによって三進数の概念を問合せする新しい手法を提案する。 ananias で記述される近似アプローチとは対照的に、この手法は (i)初期三進文脈またはその3つのdyadicコンテキストを維持する必要はない。 (ii)文脈探索による三重成分への導出演算子の適用を避ける (iii) 1次元クエリの答えとして三進的概念を得るための因子化フェーズの必要をなくす。 さらに,検索された三進概念を,与えられた問合せと類似性に基づいてランク付けするための新しい指標を提案する。 最後に、近似に対するアプローチの有効性と拡張性を説明するための実証的研究が主に行われている。 私たちのソリューションは、優れた効率を示すだけでなく、より優れたスケーラビリティを強調し、ビッグデータシナリオに適合させています。

関連論文リスト

• ASTE Transformer Modelling Dependencies in Aspect-Sentiment Triplet Extraction [2.07180164747172]
  Aspect-Sentiment Triplet extract (ASTE) は、ある文から三重項(アスペクトフレーズ、意見フレーズ、感情極性)を抽出するタスクである。 最近の最先端手法は、まず与えられた文から可能な全てのスパンを抽出することで、このタスクにアプローチする。
  論文  参考訳（メタデータ） (2024-09-23T16:49:47Z)
• Tripod: Three Complementary Inductive Biases for Disentangled Representation Learning [52.70210390424605]
  本研究では,文献から選択した3つの帰納バイアスを持つニューラルネットワークオートエンコーダを提案する。 しかし、実際には、これらの帰納バイアスをインスタンス化する既存の技術を組み合わせることは、大きな利益をもたらすことに失敗する。 学習問題を単純化する3つの手法に適応し、不変性を安定化する鍵正則化項とクォーシュ縮退インセンティブを提案する。 結果のモデルであるTripodは、4つのイメージアンタングルメントベンチマークのスイートで最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-04-16T04:52:41Z)
• Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency [87.16283281290053]
  従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。 本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。 我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
  論文  参考訳（メタデータ） (2023-11-06T16:40:13Z)
• Understanding and Constructing Latent Modality Structures in Multi-modal Representation Learning [53.68371566336254]
  優れたパフォーマンスの鍵は、完全なモダリティアライメントではなく、有意義な潜在モダリティ構造にある、と我々は主張する。 具体的には,1)モダリティ内正規化のための深い特徴分離損失,2)モダリティ間正規化のためのブラウン橋損失,3)モダリティ内正規化およびモダリティ間正規化のための幾何学的整合損失を設計する。
  論文  参考訳（メタデータ） (2023-03-10T14:38:49Z)
• 3D-QueryIS: A Query-based Framework for 3D Instance Segmentation [74.6998931386331]
  従来の3Dインスタンスセグメンテーションの方法は、しばしばタスク間の依存関係と堅牢性の欠如の傾向を維持する。 本稿では,3D-QueryISと呼ばれる新しい問合せ方式を提案する。 私たちの3D-QueryISは、タスク間の依存関係による累積エラーから解放されています。
  論文  参考訳（メタデータ） (2022-11-17T07:04:53Z)
• Composed Image Retrieval with Text Feedback via Multi-grained Uncertainty Regularization [73.04187954213471]
  粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。 提案手法は、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
  論文  参考訳（メタデータ） (2022-11-14T14:25:40Z)
• Query-based Instance Discrimination Network for Relational Triple Extraction [39.35417927570248]
  統合エンティティと関係抽出は、情報抽出の分野における中核的なタスクである。 最近のアプローチでは、通常は立体的な視点から関係三重項の抽出を考える。 本稿では,リレーショナルトリプルに対するインスタンスレベルの表現を構築するための,新しいクエリベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-03T13:34:56Z)
• A Simple and Scalable Tensor Completion Algorithm via Latent Invariant Constraint for Recommendation System [6.125831939376033]
  本研究では,ユーザ評価の低さを考慮に入れた,観測不能な個人の嗜好に対するモデルのパラメータを効率的に,かつ正確に学習する手法を提案する。 テンソル分解を1つの潜在不変量で正規化することにより、信頼できるレコメンダシステムに対して3つの特性を達成する。
  論文  参考訳（メタデータ） (2022-06-27T15:03:18Z)
• Residual Overfit Method of Exploration [78.07532520582313]
  提案手法は,2点推定値の調整と1点オーバーフィットに基づく近似探索手法を提案する。 このアプローチは、調整されたモデルと比較して、オーバーフィットモデルが最も過度な適合を示すアクションへの探索を促進する。 ROMEを3つのデータセット上の確立されたコンテキスト的帯域幅法と比較し、最も優れたパフォーマンスの1つとみなす。
  論文  参考訳（メタデータ） (2021-10-06T17:05:33Z)
• Context-guided Triple Matching for Multiple Choice Question Answering [13.197150032345895]
  複数選択質問応答 (MCQA) とは、複数の候補から適切な回答を抽出し、その問合せ、問合せ、問合せ、答答の3倍のスコアを推定することを指す。 既存の方法は、複数のエビデンス文でケースを評価する能力を制限するいくつかのペアワイドまたはデュアルマッチングステップにプロセスを分離する。 本稿では、三重マッチング(TM)モジュールと対照正規化(CR)を統合した新しいコンテキスト誘導三重マッチングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-27T12:30:39Z)
• A Multi-task Learning Framework for Opinion Triplet Extraction [24.983625011760328]
  本稿では,意見三重項抽出課題としてのABSAの新たな視点について述べる。 アスペクト項と意見項を協調的に抽出するマルチタスク学習フレームワークを提案する。 提案するフレームワークを,ASBAの4つのSemEvalベンチマークで評価する。
  論文  参考訳（メタデータ） (2020-10-04T08:31:54Z)

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。