論文の概要: Mitigating Heterogeneity among Factor Tensors via Lie Group Manifolds for Tensor Decomposition Based Temporal Knowledge Graph Embedding
- arxiv url: http://arxiv.org/abs/2404.09155v1
- Date: Sun, 14 Apr 2024 06:10:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-16 15:17:37.427104
- Title: Mitigating Heterogeneity among Factor Tensors via Lie Group Manifolds for Tensor Decomposition Based Temporal Knowledge Graph Embedding
- Title（参考訳）: テンソル分解に基づく時間知識グラフ埋め込みのためのリー群マニフォールドによる因子テンソルの不均一性の緩和
- Authors: Jiang Li, Xiangdong Su, Yeyun Gong, Guanglai Gao,
- Abstract要約: 我々は、因子テンソルを統一滑らかなリー群多様体に写像し、因子テンソルの分布をテンソル分解において均一に近似させる新しい方法を提案する。
提案手法は, 余分なパラメータを導入することなく, 既存のテンソル分解に基づくTKGE法に直接統合することができる。
- 参考スコア（独自算出の注目度）: 32.87000154536683
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent studies have highlighted the effectiveness of tensor decomposition methods in the Temporal Knowledge Graphs Embedding (TKGE) task. However, we found that inherent heterogeneity among factor tensors in tensor decomposition significantly hinders the tensor fusion process and further limits the performance of link prediction. To overcome this limitation, we introduce a novel method that maps factor tensors onto a unified smooth Lie group manifold to make the distribution of factor tensors approximating homogeneous in tensor decomposition. We provide the theoretical proof of our motivation that homogeneous tensors are more effective than heterogeneous tensors in tensor fusion and approximating the target for tensor decomposition based TKGE methods. The proposed method can be directly integrated into existing tensor decomposition based TKGE methods without introducing extra parameters. Extensive experiments demonstrate the effectiveness of our method in mitigating the heterogeneity and in enhancing the tensor decomposition based TKGE models.
- Abstract（参考訳）: 近年,TKGE(Temporal Knowledge Graphs Embedding)タスクにおけるテンソル分解法の有効性が注目されている。
しかし, テンソル分解における因子テンソルの固有不均一性は, テンソル融合過程を著しく阻害し, さらにリンク予測の性能を阻害することがわかった。
この制限を克服するために、因子テンソルを統一滑らかなリー群多様体に写像し、因子テンソルの分布をテンソル分解で均一に近似させる新しい方法を導入する。
我々は、等質テンソルがテンソル融合における異質テンソルよりも有効であり、テンソル分解に基づくTKGE法のターゲットを近似する動機の理論的証明を提供する。
提案手法は, 余分なパラメータを導入することなく, 既存のテンソル分解に基づくTKGE法に直接統合することができる。
広汎な実験により、不均一性を緩和し、テンソル分解に基づくTKGEモデルを強化する方法の有効性が示された。
関連論文リスト
- Tensor cumulants for statistical inference on invariant distributions [49.80012009682584]
我々は,PCAが信号の大きさの臨界値で計算的に困難になることを示す。
我々は、与えられた次数の不変量に対して明示的でほぼ直交的な基底を与える新しい対象の集合を定義する。
また、異なるアンサンブルを区別する新しい問題も分析できます。
論文 参考訳（メタデータ） (2024-04-29T14:33:24Z) - Handling The Non-Smooth Challenge in Tensor SVD: A Multi-Objective Tensor Recovery Framework [15.16222081389267]
テンソルデータの非滑らかな変化に対処するために,学習可能なテンソル核ノルムを持つ新しいテンソル復元モデルを導入する。
我々は,提案するテンソル完備化モデルを反復的に解くために,交代近似乗算法 (APMM) という新しい最適化アルゴリズムを開発した。
さらに,APMMに基づく多目的テンソル復元フレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-23T12:16:33Z) - Provable Tensor Completion with Graph Information [49.08648842312456]
本稿では,動的グラフ正規化テンソル完備問題の解法として,新しいモデル,理論,アルゴリズムを提案する。
我々はテンソルの低ランクおよび類似度構造を同時に捉える包括的モデルを開発する。
理論の観点からは、提案したグラフの滑らか度正規化と重み付きテンソル核ノルムとの整合性を示す。
論文 参考訳（メタデータ） (2023-10-04T02:55:10Z) - Optimizing Orthogonalized Tensor Deflation via Random Tensor Theory [5.124256074746721]
本稿では、ランダムノイズテンソルから相関成分を持つ低ランク信号テンソルを復元する問題に取り組む。
非直交成分はテンソルデフレレーション機構を変化させ、効率的に回復するのを防ぐことができる。
デフレレーション機構で導入されたパラメータを最適化することにより、効率的なテンソルデフレレーションアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-11T22:23:27Z) - Fast Learnings of Coupled Nonnegative Tensor Decomposition Using Optimal Gradient and Low-rank Approximation [7.265645216663691]
交互勾配法(CoNCPD-APG)により最適化された新しい非負のCANDECOMP/PARAFAC分解アルゴリズムを提案する。
提案手法は,低ランク近似をCONCPD-APG法と組み合わせることで,分解品質を損なうことなく計算負担を大幅に削減することができる。
論文 参考訳（メタデータ） (2023-02-10T08:49:36Z) - Error Analysis of Tensor-Train Cross Approximation [88.83467216606778]
我々は, テンソル全体の精度保証を行う。
結果は数値実験により検証され、高次テンソルに対するクロス近似の有用性に重要な意味を持つ可能性がある。
論文 参考訳（メタデータ） (2022-07-09T19:33:59Z) - ER: Equivariance Regularizer for Knowledge Graph Completion [107.51609402963072]
我々は、新しい正規化器、すなわち等分散正規化器(ER)を提案する。
ERは、頭と尾のエンティティ間の意味的等価性を利用することで、モデルの一般化能力を高めることができる。
実験結果から,最先端関係予測法よりも明確かつ実質的な改善が示された。
論文 参考訳（メタデータ） (2022-06-24T08:18:05Z) - MTC: Multiresolution Tensor Completion from Partial and Coarse
Observations [49.931849672492305]
既存の完備化の定式化は、主に1つのテンソルからの部分的な観測に依存する。
この問題を解決するために,効率的なマルチレゾリューション・コンプリート・モデル(MTC)を提案する。
論文 参考訳（メタデータ） (2021-06-14T02:20:03Z) - Understanding Deflation Process in Over-parametrized Tensor
Decomposition [17.28303004783945]
過度にパラメータ化されたテンソル分解問題における勾配流のトレーニング力学について検討する。
経験的に、このようなトレーニングプロセスは、まず大きなコンポーネントに適合し、次に小さなコンポーネントを発見する。
論文 参考訳（メタデータ） (2021-06-11T18:51:36Z) - Robust Tensor Principal Component Analysis: Exact Recovery via
Deterministic Model [5.414544833902815]
本稿では,ロバストテンソル主成分分析法(RTPCA)を提案する。
これは最近開発されたテンソルテンソル積とテンソル特異値分解(t-SVD)に基づいている。
論文 参考訳（メタデータ） (2020-08-05T16:26:10Z) - Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。
MVSCに適合する新しい構造テンソル低ランクノルムを設計する。
提案手法は最先端の手法よりもかなり優れていることを示す。
論文 参考訳（メタデータ） (2020-04-30T11:52:12Z)
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。