論文の概要: Attr-Int: A Simple and Effective Entity Alignment Framework for Heterogeneous Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2410.13409v1
• Date: Thu, 17 Oct 2024 10:16:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-18 13:21:58.314837
• Title: Attr-Int: A Simple and Effective Entity Alignment Framework for Heterogeneous Knowledge Graphs
• Title（参考訳）: Attr-Int: 異種知識グラフのためのシンプルで効果的なエンティティアライメントフレームワーク
• Authors: Linyan Yang, Jingwei Cheng, Chuanhao Xu, Xihao Wang, Jiayi Li, Fu Zhang,
• Abstract要約: エンティティアライメント(EA)とは、異なる知識グラフ(KG)内のエンティティをリンクすることである。 本稿では, 異種KG間の整合性の問題について検討し, 対処する。 本稿では,Attr-Intと呼ばれるシンプルで効果的なエンティティアライメントフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 9.725601872648566
• License:
• Abstract: Entity alignment (EA) refers to the task of linking entities in different knowledge graphs (KGs). Existing EA methods rely heavily on structural isomorphism. However, in real-world KGs, aligned entities usually have non-isomorphic neighborhood structures, which paralyses the application of these structure-dependent methods. In this paper, we investigate and tackle the problem of entity alignment between heterogeneous KGs. First, we propose two new benchmarks to closely simulate real-world EA scenarios of heterogeneity. Then we conduct extensive experiments to evaluate the performance of representative EA methods on the new benchmarks. Finally, we propose a simple and effective entity alignment framework called Attr-Int, in which innovative attribute information interaction methods can be seamlessly integrated with any embedding encoder for entity alignment, improving the performance of existing entity alignment techniques. Experiments demonstrate that our framework outperforms the state-of-the-art approaches on two new benchmarks.
• Abstract（参考訳）: エンティティアライメント(エンティティアライメント、EA)とは、異なる知識グラフ(KG)内のエンティティをリンクするタスクである。 既存のEA法は構造的同型に大きく依存している。 しかし、実世界のKGでは、整列体は通常非同型近傍構造を持ち、これらの構造に依存した方法の適用を麻痺させる。 本稿では, 異種KG間の整合性の問題について検討し, 対処する。 まず、異質性の現実のEAシナリオを密にシミュレートする2つの新しいベンチマークを提案する。 そこで我々は,新しいベンチマークにおいて,代表的EA手法の性能を評価するための広範囲な実験を行った。 最後に、Attr-Intと呼ばれるシンプルで効果的なエンティティアライメントフレームワークを提案し、イノベーティブな属性情報インタラクション手法を、エンティティアライメントのための埋め込みエンコーダとシームレスに統合し、既存のエンティティアライメント技術の性能を向上させる。 実験により、我々のフレームワークは2つの新しいベンチマークで最先端のアプローチよりも優れていることが示された。

関連論文リスト

• DERA: Dense Entity Retrieval for Entity Alignment in Knowledge Graphs [3.500936203815729]
  エンティティアライメント(EA)のための高密度エンティティ検索フレームワークを提案する。 我々は言語モデルを活用し、エンティティの様々な特徴を均一にエンコードし、知識グラフ(KG)をまたいで最も近いエンティティ検索を容易にする。 提案手法は,既存のEA手法と比較して最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-08-02T10:12:42Z)
• Entity Disambiguation via Fusion Entity Decoding [68.77265315142296]
  より詳細なエンティティ記述を持つエンティティを曖昧にするためのエンコーダ・デコーダモデルを提案する。 GERBILベンチマークでは、EntQAと比較して、エンド・ツー・エンドのエンティティリンクが+1.5%改善されている。
  論文  参考訳（メタデータ） (2024-04-02T04:27:54Z)
• Histopathology Whole Slide Image Analysis with Heterogeneous Graph Representation Learning [78.49090351193269]
  本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。 具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。 我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-07-09T14:43:40Z)
• Toward Practical Entity Alignment Method Design: Insights from New Highly Heterogeneous Knowledge Graph Datasets [32.68422342604253]
  実運用環境でのエンティティアライメント(EA)手法の性能について検討し、特に高ヘテロジニアスKG(HHKG)のアライメントに着目した。 以上の結果から,HHKGと協調して,メッセージパッシングやアグリゲーション機構を通じて,貴重な構造情報を活用できることが示唆された。 これらの結果は、すべてのEAデータセットに対するパナセアとして、GNNベースの手法の従来の適用に関連する潜在的な問題に光を当てた。
  論文  参考訳（メタデータ） (2023-04-07T04:10:26Z)
• 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)
• Informed Multi-context Entity Alignment [27.679124991733907]
  Informed Multi-context Entity Alignment (IMEA)モデルを提案する。 特にTransformerを導入し、関係、経路、近傍のコンテキストを柔軟にキャプチャする。 総論的推論は、埋め込み類似性と関係性/整合性の両方の機能に基づいてアライメント確率を推定するために用いられる。 いくつかのベンチマークデータセットの結果は、既存の最先端エンティティアライメント手法と比較して、IMEAモデルの優位性を示している。
  論文  参考訳（メタデータ） (2022-01-02T06:29:30Z)
• Neural Production Systems [90.75211413357577]
  視覚環境は、異なるオブジェクトまたはエンティティから構成される。 イメージをエンティティに分割するために、ディープラーニング研究者は構造的誘導バイアスを提案した。 私たちは認知科学からインスピレーションを得て、一連のルールテンプレートからなる古典的なアプローチを復活させます。 このアーキテクチャは柔軟でダイナミックな制御フローを実現し、エンティティ固有およびルールベースの情報を分解するのに役立つ。
  論文  参考訳（メタデータ） (2021-03-02T18:53:20Z)
• Exploring and Evaluating Attributes, Values, and Structures for Entity Alignment [100.19568734815732]
  エンティティアライメント(EA)は、さまざまなKGから等価なエンティティをリンクすることで、リッチコンテンツの統合知識グラフ(KG)を構築することを目的としている。 属性・トリプルは重要なアライメント信号も提供できますが、まだ十分に調査されていません。 本稿では,属性値エンコーダを用いてKGをサブグラフに分割し,属性の様々なタイプを効率的にモデル化することを提案する。
  論文  参考訳（メタデータ） (2020-10-07T08:03:58Z)
• 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)
• Relational Reflection Entity Alignment [28.42319743737994]
  エンティティアライメントは知識グラフ(KG)からエンティティペアを特定する エンティティアライメントにGNNを導入することで、最近のモデルのアーキテクチャはますます複雑になっています。 本稿では,既存のエンティティアライメント手法を統一的なフレームワークであるShape-Builder & Alignmentに抽象化する。
  論文  参考訳（メタデータ） (2020-08-18T14:49:31Z)
• 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。