論文の概要: Geometric Feature Enhanced Knowledge Graph Embedding and Spatial Reasoning

• arxiv url: http://arxiv.org/abs/2410.18345v1
• Date: Thu, 24 Oct 2024 00:53:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 16:43:50.213771
• Title: Geometric Feature Enhanced Knowledge Graph Embedding and Spatial Reasoning
• Title（参考訳）: 幾何学的特徴を用いた知識グラフ埋め込みと空間推論
• Authors: Lei Hu, Wenwen Li, Yunqiang Zhu,
• Abstract要約: Geospatial Knowledge Graphs (GeoKGs) は地理と空間関係を相互にモデル化する。 一般的な知識グラフ埋め込み(KGE)技術のような、GeoKGからの採掘と推論のための既存の手法は、認識を欠いている。 本研究の目的は,新しい戦略を開発し,空間関係の幾何学的特徴を統合することで汎用KGEを強化することである。
• 参考スコア（独自算出の注目度）: 8.561588656662419
• License:
• Abstract: Geospatial Knowledge Graphs (GeoKGs) model geoentities (e.g., places and natural features) and spatial relationships in an interconnected manner, providing strong knowledge support for geographic applications, including data retrieval, question-answering, and spatial reasoning. However, existing methods for mining and reasoning from GeoKGs, such as popular knowledge graph embedding (KGE) techniques, lack geographic awareness. This study aims to enhance general-purpose KGE by developing new strategies and integrating geometric features of spatial relations, including topology, direction, and distance, to infuse the embedding process with geographic intuition. The new model is tested on downstream link prediction tasks, and the results show that the inclusion of geometric features, particularly topology and direction, improves prediction accuracy for both geoentities and spatial relations. Our research offers new perspectives for integrating spatial concepts and principles into the GeoKG mining process, providing customized GeoAI solutions for geospatial challenges.
• Abstract（参考訳）: Geospatial Knowledge Graphs (GeoKGs) は、地理(例えば、場所と自然の特徴)と空間的関係を相互接続的にモデル化し、データ検索、質問応答、空間的推論を含む地理的応用のための強力な知識支援を提供する。 しかし、一般的な知識グラフ埋め込み(KGE)技術のような、GeoKGsからのマイニングと推論のための既存の手法は、認識を欠いている。 本研究の目的は,新しい戦略を開発し,地形,方向,距離といった空間関係の幾何学的特徴を統合することで汎用的なKGEを強化し,埋め込みプロセスに地理的直観を注入することである。 新しいモデルは下流リンク予測タスクでテストされ、幾何学的特徴、特にトポロジと方向を含むことにより、地理的および空間的関係の予測精度が向上することを示した。 我々の研究は、空間概念と原則をGeoKGマイニングプロセスに統合するための新しい視点を提供し、地理空間課題のためのカスタマイズされたGeoAIソリューションを提供する。

関連論文リスト

• Learning Geospatial Region Embedding with Heterogeneous Graph [16.864563545518124]
  様々な下流タスクに対する包括的領域埋め込みを学習するための有効なヘテロジニアスグラフ構造であるGeoHGを提案する。 具体的には、地理的領域分割とPOI(point-of-interest)統合による衛星画像表現学習を、表現的地域内特徴のために調整する。 GeoHGは情報的空間依存性と社会環境特性を強力なヘテロジニアスグラフに統合し、高次の地域間関係の明示的なモデリングを促進する。
  論文  参考訳（メタデータ） (2024-05-23T03:19:02Z)
• Geospatial Knowledge Graphs [3.0638648756719222]
  地理空間知識グラフは地理空間情報の表現と推論のための新しいパラダイムとして登場した。 このエントリではまず、知識グラフにおける重要な概念と、関連する標準化とツールを紹介します。 その後、地理・環境科学における知識グラフの応用に踏み切った。
  論文  参考訳（メタデータ） (2024-05-13T11:45:22Z)
• GeoAI Reproducibility and Replicability: a computational and spatial perspective [3.46924652750064]
  本稿では,このトピックを計算的,空間的両面から詳細に分析することを目的とする。 まず,GeoAI研究を再現するための主要な目標,すなわち検証(再現性),類似あるいは新しい問題の解法(再現性)の学習と適応,研究成果の一般化可能性(再現性)について検討する。 次に、GeoAI研究におけるR&Rの欠如の原因となる要因について、(1)トレーニングデータの選択と使用、(2)GeoAIモデル設計、トレーニング、デプロイメント、推論プロセスに存在する不確実性について論じる。
  論文  参考訳（メタデータ） (2024-04-15T19:43:16Z)
• A Survey of Geometric Graph Neural Networks: Data Structures, Models and Applications [67.33002207179923]
  本稿では、幾何学的GNNに関するデータ構造、モデル、および応用について調査する。 幾何学的メッセージパッシングの観点から既存のモデルの統一的なビューを提供する。 また、方法論開発と実験評価の後の研究を促進するために、アプリケーションと関連するデータセットを要約する。
  論文  参考訳（メタデータ） (2024-03-01T12:13:04Z)
• Graph Theory Applications in Advanced Geospatial Research [0.0]
  本稿では地理空間科学におけるグラフ理論アルゴリズムの適用について考察する。 ネットワーク分析、空間接続性、地理情報システム、およびデジタルツインのような様々な空間問題解決シナリオにおけるそれらの役割を強調している。 この領域で実装された広範な研究、革新的技術、方法論を列挙する。
  論文  参考訳（メタデータ） (2023-09-06T15:47:18Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
  我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。 オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。 我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
  論文  参考訳（メタデータ） (2023-05-11T03:21:56Z)
• GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
  地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。 まず,地理的適応のための大規模データセットGeoNetを紹介する。 第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。 第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
  論文  参考訳（メタデータ） (2023-03-27T17:59:34Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• Graph Signal Processing for Geometric Data and Beyond: Theory and Applications [55.81966207837108]
  グラフ信号処理(GSP)は、不規則な領域に存在する処理信号を可能にする。 GSP法は、幾何データとグラフの接続をブリッジすることで、統一的に幾何データに対する手法である。 最近開発されたグラフニューラルネットワーク(GNN)は、GSPの観点からこれらのネットワークの動作を解釈している。
  論文  参考訳（メタデータ） (2020-08-05T03:20:16Z)

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。