論文の概要: Temporal Knowledge Graph Completion with Time-sensitive Relations in Hypercomplex Space

• arxiv url: http://arxiv.org/abs/2403.02355v1
• Date: Sat, 2 Mar 2024 16:50:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-06 17:29:03.853273
• Title: Temporal Knowledge Graph Completion with Time-sensitive Relations in Hypercomplex Space
• Title（参考訳）: 超複素空間における時間に敏感な関係を持つ時間知識グラフの完成
• Authors: Li Cai, Xin Mao, Zhihong Wang, Shangqing Zhao, Yuhao Zhou, Changxu Wu, Man Lan
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 20.235189945656927
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Temporal knowledge graph completion (TKGC) aims to fill in missing facts within a given temporal knowledge graph at a specific time. Existing methods, operating in real or complex spaces, have demonstrated promising performance in this task. This paper advances beyond conventional approaches by introducing more expressive quaternion representations for TKGC within hypercomplex space. Unlike existing quaternion-based methods, our study focuses on capturing time-sensitive relations rather than time-aware entities. Specifically, we model time-sensitive relations through time-aware rotation and periodic time translation, effectively capturing complex temporal variability. Furthermore, we theoretically demonstrate our method's capability to model symmetric, asymmetric, inverse, compositional, and evolutionary relation patterns. Comprehensive experiments on public datasets validate that our proposed approach achieves state-of-the-art performance in the field of TKGC.
• Abstract（参考訳）: 時間知識グラフ補完(TKGC)は、特定の時間における時間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。 実空間や複素空間で運用する既存の手法は、このタスクにおいて有望な性能を示す。 本稿では,超複素空間内のtkgcに対して,より表現豊かな四元表現を導入することにより,従来のアプローチを超越する。 既存の四元数に基づく手法とは違って,本研究では,時間認識エンティティではなく,時間感性関係のキャプチャに焦点をあてる。 具体的には,時間認識回転と周期時間変換により時間に敏感な関係をモデル化し,複雑な時間変動を効果的に捉えた。 さらに,本手法の対称性,非対称性,逆性,構成的および進化的関係パターンをモデル化する能力を理論的に示す。 公開データセットに関する総合的な実験により,提案手法がTKGCの分野における最先端性能を実現することを確認した。

関連論文リスト

• TPP-Gaze: Modelling Gaze Dynamics in Space and Time with Neural Temporal Point Processes [63.95928298690001]
  ニューラル・テンポラル・ポイント・プロセス(TPP)に基づく新規かつ原則化されたスキャンパスダイナミクスのアプローチであるTPP-Gazeを提案する。 提案手法は,最先端手法と比較して総合的に優れた性能を示す。
  論文  参考訳（メタデータ） (2024-10-30T19:22:38Z)
• Learning Granularity Representation for Temporal Knowledge Graph Completion [2.689675451882683]
  時間的知識グラフ(TKG)は、実世界の事実の動的な構造的知識と進化的パターンを反映する時間的情報を含んでいる。 本稿では,TKG 補完のための textbfLearning textbfGranularity textbfRepresentation (termed $mathsfLGRe$) を提案する。 グラニュラリティ・ラーニング(GRL)とアダプティブグラニュラリティ・バランシング(AGB)の2つの主要コンポーネントから構成される。
  論文  参考訳（メタデータ） (2024-08-27T08:19:34Z)
• Learning Time-aware Graph Structures for Spatially Correlated Time Series Forecasting [30.93275270960829]
  本稿では時系列間の時間認識相関を抽出する時間認識グラフ構造学習(TagSL)を提案する。 グラフ畳み込みに基づくGated Recurrent Unit (GCGRU) も提案する。 最後に,TagSLとGCGRUを組み合わせたTGCRN(Time-aware Graph Convolutional Recurrent Network)という統合フレームワークを導入し,マルチステップ時間予測のためのエンコーダデコーダアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-12-27T04:23:43Z)
• On the Importance of Spatial Relations for Few-shot Action Recognition [109.2312001355221]
  本稿では,空間的関係の重要性を考察し,より正確な数発アクション認識法を提案する。 新たな空間アライメントクロストランス(SA-CT)は、空間関係を再調整し、時間情報を組み込む。 実験の結果, 時間的情報を使用しなくても, SA-CTの性能は3/4ベンチマークの時間的手法に匹敵することがわかった。
  論文  参考訳（メタデータ） (2023-08-14T12:58:02Z)
• Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
  HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。 従来の手法は手作りの機能と機械学習技術に依存している。 HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-08-02T12:04:28Z)
• OpenSTL: A Comprehensive Benchmark of Spatio-Temporal Predictive Learning [67.07363529640784]
  提案するOpenSTLは,一般的なアプローチを再帰的モデルと再帰的モデルに分類する。 我々は, 合成移動物体軌道, 人間の動き, 運転シーン, 交通流, 天気予報など, さまざまな領域にわたるデータセットの標準評価を行う。 リカレントフリーモデルは、リカレントモデルよりも効率と性能のバランスが良いことがわかった。
  論文  参考訳（メタデータ） (2023-06-20T03:02:14Z)
• Temporal Knowledge Graph Reasoning with Low-rank and Model-agnostic Representations [1.8262547855491458]
  低ランクテンソル分解モデル LowFER のパラメータ効率および時間認識拡張系である Time-LowFER を導入する。 時間を表現するための現在のアプローチのいくつかの制限に留意し、時間特徴に対するサイクル対応の時間符号化方式を提案する。 我々は,時間に敏感なデータ処理に着目した統合時間知識グラフ埋め込みフレームワークに本手法を実装した。
  論文  参考訳（メタデータ） (2022-04-10T22:24:11Z)
• RotateQVS: Representing Temporal Information as Rotations in Quaternion Vector Space for Temporal Knowledge Graph Completion [21.587197001067043]
  本研究では,時間的実体を四元ベクトル空間(RotateQVS)の回転として表現し,ハミルトン四元ベクトル空間における複素ベクトルとしての関係性を示す新しい時間的モデリング手法を提案する。 提案手法は,4つの時間的知識グラフベンチマーク上でリンク予測タスクの性能を向上させることができる。
  論文  参考訳（メタデータ） (2022-03-15T15:27:23Z)
• TCGL: Temporal Contrastive Graph for Self-supervised Video Representation Learning [79.77010271213695]
  本稿では,TCGL(Temporal Contrastive Graph Learning)という,ビデオの自己教師型学習フレームワークを提案する。 TCGLは、フレームとスニペットの順序に関する以前の知識をグラフ構造、すなわち、インター/インタースニペットの時間トラストグラフ(TCG)に統合します。 ラベルなしビデオの監視信号を生成するために,適応スニペット順序予測(ASOP)モジュールを導入する。
  論文  参考訳（メタデータ） (2021-12-07T09:27:56Z)
• ChronoR: Rotation Based Temporal Knowledge Graph Embedding [8.039202293739185]
  時間的知識グラフに対する推論の難解な問題について検討する。 実体,関係,時間を表す表現を学習するための新しいモデルであるChronoR(ChronoR)を提案する。 chronorは、時間的知識グラフリンク予測のためのベンチマークデータセットの最先端メソッドの多くを上回ることができる。
  論文  参考訳（メタデータ） (2021-03-18T17:08:33Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。