論文の概要: Neurosymbolic Methods for Dynamic Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2409.04572v1
• Date: Fri, 6 Sep 2024 19:24:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-10 22:10:46.299316
• Title: Neurosymbolic Methods for Dynamic Knowledge Graphs
• Title（参考訳）: 動的知識グラフのためのニューロシンボリック手法
• Authors: Mehwish Alam, Genet Asefa Gesese, Pierre-Henri Paris,
• Abstract要約: この章は、いくつかの動的KGを正式に定義し、これらのKGをどのように表現できるかを要約する。 本章は、時間的情報の有無にかかわらず、動的KGの神経象徴的手法をさらに焦点をあてる。
• 参考スコア（独自算出の注目度）: 0.12289361708127876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge graphs (KGs) have recently been used for many tools and applications, making them rich resources in structured format. However, in the real world, KGs grow due to the additions of new knowledge in the form of entities and relations, making these KGs dynamic. This chapter formally defines several types of dynamic KGs and summarizes how these KGs can be represented. Additionally, many neurosymbolic methods have been proposed for learning representations over static KGs for several tasks such as KG completion and entity alignment. This chapter further focuses on neurosymbolic methods for dynamic KGs with or without temporal information. More specifically, it provides an insight into neurosymbolic methods for dynamic (temporal or non-temporal) KG completion and entity alignment tasks. It further discusses the challenges of current approaches and provides some future directions.
• Abstract（参考訳）: 知識グラフ(KG)は、最近多くのツールやアプリケーションに使われており、構造化されたフォーマットで豊富なリソースとなっている。 しかし、現実の世界では、KGは実体と関係の形で新しい知識が加わったために成長し、これらのKGは動的になる。 この章は、いくつかの動的KGを正式に定義し、これらのKGをどのように表現できるかを要約する。 さらに、静的KG上の表現を学習するための多くのニューロシンボリック手法が提案されている。 本章は、時間的情報の有無にかかわらず、動的KGの神経象徴的手法をさらに焦点をあてる。 具体的には、動的(時間的または非時間的な)KG完了とエンティティアライメントタスクのための神経象徴的手法に関する洞察を提供する。 また、現在のアプローチの課題についても論じ、今後の方向性を示す。

関連論文リスト

• Knowledge Graphs Meet Multi-Modal Learning: A Comprehensive Survey [61.8716670402084]
  本調査は,KG-driven Multi-Modal Learning(KG4MM)とMulti-Modal Knowledge Graph(MM4KG)の2つの主要な側面におけるKG認識研究に焦点を当てる。 KG対応マルチモーダル学習タスクと本質的MMKGタスクの2つの主要なタスクカテゴリについて検討した。 これらのタスクの多くに対して、定義、評価ベンチマークを提供し、関連する研究を行うための重要な洞察を概説する。
  論文  参考訳（メタデータ） (2024-02-08T04:04:36Z)
• What can knowledge graph alignment gain with Neuro-Symbolic learning approaches? [1.8416014644193066]
  知識グラフ(KG)は多くのデータ集約型アプリケーションのバックボーンである。 現在のアルゴリズムでは、論理的思考と推論を語彙的、構造的、意味的なデータ学習で表現することができない。 本稿では,KGAにおける最先端技術について検討し,ニューロシンボリック統合の可能性を探る。
  論文  参考訳（メタデータ） (2023-10-11T12:03:19Z)
• On the Evolution of Knowledge Graphs: A Survey and Perspective [11.061075842989817]
  知識グラフ(KGs)は、多様な知識の構造化された表現であり、様々なインテリジェントなアプリケーションで広く使われている。 我々は,様々な種類のKGの進化と知識抽出・推論技術に関する総合的な調査を行う。 本稿では,知識工学の今後の方向性について考察する。
  論文  参考訳（メタデータ） (2023-10-07T14:46:51Z)
• A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic, and Multimodal [57.8455911689554]
  知識グラフ推論(KGR)は、知識グラフに基づくマイニング論理則に基づいて、既存の事実から新しい事実を推論することを目的としている。 質問応答やレコメンデーションシステムなど、多くのAIアプリケーションでKGを使うことに大きなメリットがあることが証明されている。
  論文  参考訳（メタデータ） (2022-12-12T08:40:04Z)
• KSG: Knowledge and Skill Graph [28.2974853907085]
  我々は,CN-DBpediaに基づく新しい動的知識とスキルグラフ(KSG)を提案する。 KSGは様々な環境で異なるエージェントのスキルを検索し、新しいスキルを取得するための転送可能な情報を提供する。 これは、スキル検索と学習のための動的KSGに目を向ける最初の研究である。
  論文  参考訳（メタデータ） (2022-09-13T02:47:46Z)
• Scientific Language Models for Biomedical Knowledge Base Completion: An Empirical Study [62.376800537374024]
  我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。 LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-06-17T17:55:33Z)
• TeX-Graph: Coupled tensor-matrix knowledge-graph embedding for COVID-19 drug repurposing [34.25102483600248]
  KG埋め込みのための新しい結合テンソル行列フレームワークを提案する。 テンソル因子化ツールを利用して、知識ベースにおける実体と関係の簡潔な表現を学習する。 提案する枠組みは原則的かつエレガントであり, 薬物再資源化作業における最良基準よりも100%改善されている。
  論文  参考訳（メタデータ） (2020-10-22T01:12:54Z)
• All About Knowledge Graphs for Actions [82.39684757372075]
  ゼロショットと少数ショットのアクション認識に使用できる知識グラフ(KG)の理解を深める。 KGsの3つの異なる構成機構について検討した。 異なる実験装置に対する異なるKGの影響を広範囲に解析する。
  論文  参考訳（メタデータ） (2020-08-28T01:44:01Z)
• Knowledge Graphs and Knowledge Networks: The Story in Brief [0.1933681537640272]
  知識グラフ(KG)は、実世界のノイズの多い生情報を構造化形式で表現し、エンティティ間の関係をキャプチャする。 ソーシャルネットワーク、レコメンダシステム、計算生物学、関係知識表現といった動的現実世界の応用は、困難な研究課題として浮上している。 この記事では、AIのためのKGの旅を要約する。
  論文  参考訳（メタデータ） (2020-03-07T18:09:18Z)
• On the Role of Conceptualization in Commonsense Knowledge Graph Construction [59.39512925793171]
  アトミックやASERのような常識知識グラフ(CKG)は、従来のKGと大きく異なる。 本稿では, CKG の概念化手法を紹介し, テキストに記述されたエンティティを特定の概念のインスタンスとみなすか, あるいはその逆を例に紹介する。 提案手法は, 可塑性三重項を効果的に同定し, 新たなノードの3重項と, 多様性と新規性の両端項によってKGを拡張できる。
  論文  参考訳（メタデータ） (2020-03-06T14:35:20Z)
• Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs [96.73259297063619]
  我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。 新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。 我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
  論文  参考訳（メタデータ） (2020-01-08T01:19:08Z)

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。