論文の概要: IME: Integrating Multi-curvature Shared and Specific Embedding for Temporal Knowledge Graph Completion

• arxiv url: http://arxiv.org/abs/2403.19881v1
• Date: Thu, 28 Mar 2024 23:31:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-01 16:54:17.861854
• Title: IME: Integrating Multi-curvature Shared and Specific Embedding for Temporal Knowledge Graph Completion
• Title（参考訳）: IME: 時間的知識グラフ補完のための多曲率共有と固有埋め込みの統合
• Authors: Jiapu Wang, Zheng Cui, Boyue Wang, Shirui Pan, Junbin Gao, Baocai Yin, Wen Gao,
• Abstract要約: 時間的知識グラフ(TKG)は時間次元を取り入れており、知識の進化を正確に捉えることができる。 本稿では,TKGCタスクのための新しい多曲率共有固有埋め込み(IME)モデルを提案する。 IMEは2つの重要な性質、すなわち空間共有性と空間固有性を含んでいる。
• 参考スコア（独自算出の注目度）: 97.58125811599383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Temporal Knowledge Graphs (TKGs) incorporate a temporal dimension, allowing for a precise capture of the evolution of knowledge and reflecting the dynamic nature of the real world. Typically, TKGs contain complex geometric structures, with various geometric structures interwoven. However, existing Temporal Knowledge Graph Completion (TKGC) methods either model TKGs in a single space or neglect the heterogeneity of different curvature spaces, thus constraining their capacity to capture these intricate geometric structures. In this paper, we propose a novel Integrating Multi-curvature shared and specific Embedding (IME) model for TKGC tasks. Concretely, IME models TKGs into multi-curvature spaces, including hyperspherical, hyperbolic, and Euclidean spaces. Subsequently, IME incorporates two key properties, namely space-shared property and space-specific property. The space-shared property facilitates the learning of commonalities across different curvature spaces and alleviates the spatial gap caused by the heterogeneous nature of multi-curvature spaces, while the space-specific property captures characteristic features. Meanwhile, IME proposes an Adjustable Multi-curvature Pooling (AMP) approach to effectively retain important information. Furthermore, IME innovatively designs similarity, difference, and structure loss functions to attain the stated objective. Experimental results clearly demonstrate the superior performance of IME over existing state-of-the-art TKGC models.
• Abstract（参考訳）: 時間的知識グラフ(TKG)は、時間的次元を取り入れ、知識の進化を正確に捉え、現実世界の動的な性質を反映することができる。 典型的には、TKGは複雑な幾何学構造を持ち、様々な幾何学構造が織り込まれている。 しかし、既存の時間知識グラフ補完法(TKGC)は、単一の空間でTKGをモデル化するか、異なる曲率空間の不均一性を無視して、これらの複雑な幾何学構造を捉える能力を制限する。 本稿では,TKGCタスクのための多曲率共有および固有埋め込み(IME)モデルを提案する。 具体的には、IME は TKG を超球面、双曲、ユークリッド空間を含む多重曲率空間にモデル化する。 その後、IMEは空間共有性と空間固有性という2つの重要な性質を取り入れた。 空間共有性は、異なる曲率空間の共通性を学習し、多曲率空間の不均一性に起因する空間ギャップを軽減する。 一方、IMEは、重要な情報を効果的に保持するための調整可能な多曲率プーリング(AMP)アプローチを提案する。 さらに、IMEは、その目的を達成するために、類似性、差分、構造損失関数を革新的に設計する。 実験の結果,既存のTKGCモデルよりもIMEの方が優れた性能を示した。

関連論文リスト

• Gaussian Entanglement Measure: Applications to Multipartite Entanglement of Graph States and Bosonic Field Theory [50.24983453990065]
  フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。 本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。 自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
  論文  参考訳（メタデータ） (2024-01-31T15:50:50Z)
• HGE: Embedding Temporal Knowledge Graphs in a Product Space of Heterogeneous Geometric Subspaces [31.808046956138757]
  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。
  論文  参考訳（メタデータ） (2023-12-21T09:04:30Z)
• 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)
• Dual-Geometric Space Embedding Model for Two-View Knowledge Graphs [32.47146018135465]
  2ビュー知識グラフ(KG)は、抽象概念と常識概念のオントロジービューと、特定のエンティティのインスタンスビューの2つのコンポーネントを共同で表現する。 KGの埋め込みに関する最近の研究は、KG全体が2つのビューのうちの1つにしか属さないが、同時には存在しないと仮定している。 複素非ユークリッド幾何学空間を用いて2次元KGをモデル化する双対幾何学空間埋め込みモデル(DGS)を構築する。
  論文  参考訳（メタデータ） (2022-09-19T05:11:10Z)
• Geometry Interaction Knowledge Graph Embeddings [153.69745042757066]
  ユークリッド空間,双曲空間,超球空間間の空間構造を対話的に学習する幾何学的相互作用知識グラフ埋め込み(GIE)を提案する。 提案したGIEは、よりリッチなリレーショナル情報、モデルキー推論パターンをキャプチャし、エンティティ間の表現的セマンティックマッチングを可能にする。
  論文  参考訳（メタデータ） (2022-06-24T08:33:43Z)
• Joint Characterization of the Cryospheric Spectral Feature Space [0.0]
  特徴空間の次元、幾何学、位相の特徴づけは、効果的なモデル設計のためのガイダンスを提供することができる。 本研究では,次元還元による特徴空間基底ベクトルの同定のための2つの手法の比較と対比を行った。 共同解析の結果,グリーンランド氷床の異なる部分の積雪勾配の連続性が明らかとなった。 物理的に解釈可能なスペクトル特徴空間を創出するPC+t-SNEジョイントキャラクタリゼーションの能力は、このキャラクタリゼーションがすべての地上被覆のより高次元の超スペクトル特徴空間にまで拡張される可能性があることを示唆している。
  論文  参考訳（メタデータ） (2021-12-02T17:04:50Z)
• Hermitian Symmetric Spaces for Graph Embeddings [0.0]
  C 上の対称行列空間におけるグラフの連続表現を学ぶ。 これらの空間は双曲部分空間とユークリッド部分空間を同時に認めるリッチな幾何学を提供する。 提案するモデルは, apriori のグラフ特徴を見積もることなく, まったく異なる配置に自動的に適応することができる。
  論文  参考訳（メタデータ） (2021-05-11T18:14:52Z)
• The role of feature space in atomistic learning [62.997667081978825]
  物理的にインスパイアされた記述子は、原子論シミュレーションへの機械学習技術の応用において重要な役割を果たしている。 異なる記述子のセットを比較するためのフレームワークを導入し、メトリクスとカーネルを使ってそれらを変換するさまざまな方法を紹介します。 原子密度のn-体相関から構築した表現を比較し,低次特徴の利用に伴う情報損失を定量的に評価した。
  論文  参考訳（メタデータ） (2020-09-06T14:12:09Z)
• Geodesics in fibered latent spaces: A geometric approach to learning correspondences between conditions [62.997667081978825]
  この研究は、異なる条件のサンプル間の対応を作成するための幾何学的枠組みと新しいネットワークアーキテクチャを導入する。 この形式の下では、潜伏空間は、条件を符号化する基底空間に成層化されたファイバー束であり、条件の変動を符号化するファイバー空間である。
  論文  参考訳（メタデータ） (2020-05-16T03:14:52Z)

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。