論文の概要: Entity Alignment with Unlabeled Dangling Cases
- arxiv url: http://arxiv.org/abs/2403.10978v1
- Date: Sat, 16 Mar 2024 17:21:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 20:46:34.649878
- Title: Entity Alignment with Unlabeled Dangling Cases
- Title(参考訳): ラベル付きダンピングケースを用いたエンティティアライメント
- Authors: Hang Yin, Dong Ding, Liyao Xiang, Yuheng He, Yihan Wu, Xinbing Wang, Chenghu Zhou,
- Abstract要約: 本稿では,新しいGNNに基づくダングリング検出とエンティティアライメントフレームワークを提案する。
2つのタスクは同じGNNを共有するが、検出されたダングリングエンティティはアライメントで削除される。
このフレームワークは,表現学習における選択的近傍集約のための設計された実体と関係性注意機構によって特徴付けられる。
- 参考スコア(独自算出の注目度): 49.86384156476041
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate the entity alignment problem with unlabeled dangling cases, meaning that there are entities in the source or target graph having no counterparts in the other, and those entities remain unlabeled. The problem arises when the source and target graphs are of different scales, and it is much cheaper to label the matchable pairs than the dangling entities. To solve the issue, we propose a novel GNN-based dangling detection and entity alignment framework. While the two tasks share the same GNN and are trained together, the detected dangling entities are removed in the alignment. Our framework is featured by a designed entity and relation attention mechanism for selective neighborhood aggregation in representation learning, as well as a positive-unlabeled learning loss for an unbiased estimation of dangling entities. Experimental results have shown that each component of our design contributes to the overall alignment performance which is comparable or superior to baselines, even if the baselines additionally have 30\% of the dangling entities labeled as training data.
- Abstract(参考訳): 我々は、ラベルのないダングリングケースによるエンティティアライメントの問題について検討する。つまり、ソースグラフやターゲットグラフには、もう一方のエンティティを持たないエンティティが存在し、それらのエンティティはラベル付けされていないままである。
この問題は、ソースグラフとターゲットグラフが異なるスケールであるときに起こり、マッチ可能なペアをダングリングエンティティよりもずっと安くラベル付けることができる。
そこで本研究では,新しいGNNに基づくダングリング検出とエンティティアライメントフレームワークを提案する。
2つのタスクは同じGNNを共有し、一緒に訓練されるが、検出されたダングリングエンティティはアライメントで削除される。
本フレームワークは,表現学習における選択的近傍集約のための設計された実体と関係性注意機構と,非偏見的実体推定のための正の未ラベル学習損失を特徴とする。
実験結果から,ベースラインがトレーニングデータとしてラベル付けされたダングリングエンティティの30%を付加しても,設計の各コンポーネントがベースラインに匹敵するあるいは優越するアライメント性能に寄与することが判明した。
関連論文リスト
- Jointprop: Joint Semi-supervised Learning for Entity and Relation
Extraction with Heterogeneous Graph-based Propagation [13.418617500641401]
共同半教師付きエンティティと関係抽出のための不均一グラフに基づく伝搬フレームワークであるJointpropを提案する。
我々は、エンティティと関係候補から統一されたスパンベースのヘテロジニアスグラフを構築し、信頼度スコアに基づいてクラスラベルを伝搬する。
我々はNERおよびREタスクにおける最先端の半教師付きアプローチよりも優れた性能を示す。
論文 参考訳(メタデータ) (2023-05-25T09:07:04Z) - EventEA: Benchmarking Entity Alignment for Event-centric Knowledge
Graphs [17.27027602556303]
過去の進歩は偏りと不整合性評価によるものであることが示されています。
我々は、イベント中心のKGに基づいて、異種関係と属性を持つ新しいデータセットを構築した。
この問題に対する新たなアプローチとして,エンティティアライメントのためのタイムアウェアリテラルエンコーダを提案する。
論文 参考訳(メタデータ) (2022-11-05T05:34:21Z) - Large-scale Entity Alignment via Knowledge Graph Merging, Partitioning
and Embedding [29.81122170002021]
本稿では,3つの視点から構造とアライメント損失を低減するため,スケーラブルなGNNベースのエンティティアライメント手法を提案する。
まず,中心性に基づく部分グラフ生成アルゴリズムを提案し,異なる部分グラフ間のブリッジとして機能するいくつかのランドマークエンティティをリコールする。
第二に、不完全近傍部分グラフから実体表現を復元する自己教師型実体再構成を導入する。
第三に、推論過程において、サブグラフの埋め込みをマージして、アライメント探索のための単一の空間を作る。
論文 参考訳(メタデータ) (2022-08-23T07:09:59Z) - Dangling-Aware Entity Alignment with Mixed High-Order Proximities [65.53948800594802]
ダングリングを意識したエンティティアライメントは、知識グラフにおいて未探索だが重要な問題である。
ダングリング・アウェア・エンティティアライメントにおける混合高次近似を用いたフレームワークを提案する。
我々のフレームワークはより正確にダングリングエンティティを検出し、マッチング可能なエンティティをよりよく調整します。
論文 参考訳(メタデータ) (2022-05-05T02:39:55Z) - Knowing the No-match: Entity Alignment with Dangling Cases [22.909706377522614]
本稿では,知識グラフ(KG)におけるエンティティアライメントの新しい問題設定について検討する。
KG は異なる実体の集合を持つため、それらの間にアライメントが見つからない実体が存在する可能性があり、実体をダングリングする問題を引き起こす。
我々は、新しいデータセットを構築し、エンティティアライメントとダングリングエンティティ検出の両方のためのマルチタスク学習フレームワークを設計する。
論文 参考訳(メタデータ) (2021-06-04T04:28:36Z) - Towards Entity Alignment in the Open World: An Unsupervised Approach [29.337157862514204]
これは知識のカバレッジと品質を高めるために知識グラフ(kgs)を統合する上で重要なステップである。
最先端のソリューションは、モデルトレーニングにラベル付きデータに頼る傾向があります。
オープンな世界でエンティティアライメントを行う監視されていないフレームワークを提供します。
論文 参考訳(メタデータ) (2021-01-26T03:10:24Z) - Empirical Analysis of Unlabeled Entity Problem in Named Entity
Recognition [47.273602658066196]
多くのシナリオにおいて、名前付きエンティティ認識モデルはラベル付きエンティティ問題に苦しむ。
ラベルのないエンティティによってもたらされる誤解をほとんど排除できる一般的なアプローチを提案する。
私たちのモデルは、ラベルのないエンティティ問題に堅牢であり、以前のベースラインを超えます。
論文 参考訳(メタデータ) (2020-12-10T02:53:59Z) - Autoregressive Entity Retrieval [55.38027440347138]
エンティティは、知識の表現と集約の方法の中心にあります。
クエリが与えられたエンティティを検索できることは、エンティティリンクやオープンドメインの質問応答のような知識集約的なタスクに基本となる。
本稿では,自己回帰方式でトークン・バイ・トークンを左から右に生成し,エンティティを検索する最初のシステムであるGENREを提案する。
論文 参考訳(メタデータ) (2020-10-02T10:13:31Z) - Visual Pivoting for (Unsupervised) Entity Alignment [93.82387952905756]
本研究は、異種知識グラフ(KGs)におけるエンティティの整列のための視覚的意味表現の使用について研究する。
提案した新しいアプローチであるEVAは、クロスグラフエンティティアライメントのための強い信号を提供する包括的エンティティ表現を生成する。
論文 参考訳(メタデータ) (2020-09-28T20:09:40Z) - Neighborhood Matching Network for Entity Alignment [71.24217694278616]
Neighborhood Matching Network (NMN)は、新しいエンティティアライメントフレームワークである。
NMNは、トポロジカル構造と近傍差の両方を捉えるために、エンティティ間の類似性を推定する。
まず、新しいグラフサンプリング法を用いて、各エンティティの識別的近傍を蒸留する。
その後、クロスグラフの近傍マッチングモジュールを採用し、与えられたエンティティペアの近傍差を共同で符号化する。
論文 参考訳(メタデータ) (2020-05-12T08:26:15Z)
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。