Fugu-MT 論文翻訳(概要): Multidimensional Knowledge Graph Embeddings for International Trade Flow Analysis

論文の概要: Multidimensional Knowledge Graph Embeddings for International Trade Flow Analysis

arxiv url: http://arxiv.org/abs/2410.19835v1
Date: Sat, 19 Oct 2024 20:28:20 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-03 07:49:42.948596
Title: Multidimensional Knowledge Graph Embeddings for International Trade Flow Analysis
Title（参考訳）: 国際貿易フロー解析のための多次元知識グラフ埋め込み
Authors: Durgesh Nandini, Simon Bloethner, Mirco Schoenfeld, Mario Larch,
Abstract要約: 我々は,国際貿易関係を予測するために,知識グラフの埋め込みを経済貿易データに活用することを提案する。我々は,SDM-RDFizer を用いた経済取引データの知識グラフ表現である KonecoKG を実装し,その関係を AmpliGraph を用いた知識グラフ埋め込みに変換する。
参考スコア（独自算出の注目度）: 0.2688651203805043
License:
Abstract: Understanding the complex dynamics of high-dimensional, contingent, and strongly nonlinear economic data, often shaped by multiplicative processes, poses significant challenges for traditional regression methods as such methods offer limited capacity to capture the structural changes they feature. To address this, we propose leveraging the potential of knowledge graph embeddings for economic trade data, in particular, to predict international trade relationships. We implement KonecoKG, a knowledge graph representation of economic trade data with multidimensional relationships using SDM-RDFizer, and transform the relationships into a knowledge graph embedding using AmpliGraph.
Abstract（参考訳）: 高次元、随伴、強く非線形な経済データの複雑なダイナミクスを理解することは、しばしば乗法的プロセスによって形成されるが、そのような手法は、それらが特徴とする構造的変化を捉えるための限られた能力を提供する伝統的な回帰法に重大な課題をもたらす。これを解決するため,経済貿易データ,特に国際貿易関係の予測に知識グラフ埋め込みの可能性を活用することを提案する。我々は,SDM-RDFizer を用いた経済取引データの知識グラフ表現である KonecoKG を実装し,その関係を AmpliGraph を用いた知識グラフ埋め込みに変換する。

関連論文リスト

Relational Learning in Pre-Trained Models: A Theory from Hypergraph Recovery Perspective [60.64922606733441]
我々は,関係学習をハイパーグラフリカバリとして形式化する数学的モデルを導入し,基礎モデル(FM)の事前学習について検討する。我々のフレームワークでは、世界はハイパーグラフとして表現され、データはハイパーエッジからランダムなサンプルとして抽象化される。我々は、このハイパーグラフを復元するための事前学習モデル(PTM)の有効性を理論的に検証し、ミニマックスに近い最適スタイルでデータ効率を解析する。
論文参考訳（メタデータ） (2024-06-17T06:20:39Z)
MDGNN: Multi-Relational Dynamic Graph Neural Network for Comprehensive and Dynamic Stock Investment Prediction [22.430266982219496]
マルチリレーショナルな動的グラフニューラルネットワーク(MDGNN)フレームワークを提案する。提案するMDGNNフレームワークは,SOTA(state-of-the-art-the-art)ストック投資手法と比較して,公開データセットにおける最高のパフォーマンスを実現する。
論文参考訳（メタデータ） (2024-01-19T02:51:29Z)
When Graph Data Meets Multimodal: A New Paradigm for Graph Understanding and Reasoning [54.84870836443311]
本稿では,画像エンコーディングとマルチモーダル技術を統合することで,グラフデータの理解と推論を行う新しいパラダイムを提案する。このアプローチは, GPT-4Vの高度な機能を利用して, 命令応答形式によるグラフデータの理解を可能にする。研究は、このパラダイムを様々なグラフタイプで評価し、特に中国のOCRパフォーマンスと複雑な推論タスクにおいて、モデルの強みと弱みを強調した。
論文参考訳（メタデータ） (2023-12-16T08:14:11Z)
Privacy-preserving design of graph neural networks with applications to vertical federated learning [56.74455367682945]
VESPERと呼ばれるエンドツーエンドのグラフ表現学習フレームワークを提案する。 VESPERは、適切なプライバシー予算の下でスパースグラフと密度グラフの両方で高性能なGNNモデルをトレーニングすることができる。
論文参考訳（メタデータ） (2023-10-31T15:34:59Z)
Accurate prediction of international trade flows: Leveraging knowledge graphs and their embeddings [2.849988619791745]
本稿では,国際貿易のモデリングに知識グラフを組み込んだ手法を提案する。従来の機械学習手法とKG埋め込み、例えば決定木やグラフニューラルネットワークの統合についても検討する。本研究は,予測精度を向上させる可能性を示し,知識表現における説明可能性の埋め込みに関する洞察を提供する。
論文参考訳（メタデータ） (2023-10-17T11:28:30Z)
Extending Transductive Knowledge Graph Embedding Models for Inductive Logical Relational Inference [0.5439020425819]
この研究は、従来の帰納的知識グラフの埋め込みアプローチと、より最近の帰納的関係予測モデルとのギャップを埋めるものである。本稿では,帰納的埋め込み法で学習した表現を活用して,推論時に導入された新しい実体の表現を帰納的設定で推論する一般調和拡張法を提案する。多数の大規模知識グラフ埋め込みベンチマークの実験において、この手法は、帰納的知識グラフ埋め込みモデルの機能を拡張するためのものであり、いくつかのシナリオでは、そのような帰納的タスクのために明示的に導出される最先端のモデルよりも優れています。
論文参考訳（メタデータ） (2023-09-07T15:24:18Z)
PPKE: Knowledge Representation Learning by Path-based Pre-training [43.41597219004598]
PPKEと呼ばれる知識埋め込み学習のためのパスベース事前学習モデルを提案する。本モデルはリンク予測と関係予測タスクのためのいくつかのベンチマークデータセットで最新の結果を得る。
論文参考訳（メタデータ） (2020-12-07T10:29:30Z)
Hyperbolic Graph Embedding with Enhanced Semi-Implicit Variational Inference [48.63194907060615]
半単純グラフ変分自動エンコーダを用いて,低次元グラフ潜在表現における高次統計量を取得する。我々は、階層構造を示すグラフを効率的に表現するために、ポインケア埋め込みを通して潜在空間に双曲幾何学を組み込む。
論文参考訳（メタデータ） (2020-10-31T05:48:34Z)
Navigating the Dynamics of Financial Embeddings over Time [0.0]
スケーラブルな動的環境におけるグラフ表現学習の応用を提案する。我々は、現実の洞察を抽出するために、潜航軌道の厳密な定性的分析を行う。
論文参考訳（メタデータ） (2020-07-01T16:27:31Z)
Tensor Graph Convolutional Networks for Multi-relational and Robust Learning [74.05478502080658]
本稿では,テンソルで表されるグラフの集合に関連するデータから,スケーラブルな半教師付き学習(SSL)を実現するためのテンソルグラフ畳み込みネットワーク(TGCN)を提案する。提案アーキテクチャは、標準的なGCNと比較して大幅に性能が向上し、最先端の敵攻撃に対処し、タンパク質間相互作用ネットワーク上でのSSL性能が著しく向上する。
論文参考訳（メタデータ） (2020-03-15T02:33:21Z)
Graph Representation Learning via Graphical Mutual Information Maximization [86.32278001019854]
本稿では,入力グラフとハイレベルな隠蔽表現との相関を測る新しい概念であるGMIを提案する。我々は,グラフニューラルエンコーダの入力と出力の間でGMIを最大化することで訓練された教師なし学習モデルを開発する。
論文参考訳（メタデータ） (2020-02-04T08:33:49Z)

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。