論文の概要: Hierarchical Knowledge Graph Construction from Images for Scalable E-Commerce

• arxiv url: http://arxiv.org/abs/2410.21237v1
• Date: Mon, 28 Oct 2024 17:34:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:22:58.205867
• Title: Hierarchical Knowledge Graph Construction from Images for Scalable E-Commerce
• Title（参考訳）: スケーラブルEコマースのための画像からの階層的知識グラフ構築
• Authors: Zhantao Yang, Han Zhang, Fangyi Chen, Anudeepsekhar Bolimera, Marios Savvides,
• Abstract要約: 生の製品画像から構造化された製品知識グラフを構築するための新しい手法を提案する。 この手法は視覚言語モデル(VLM)と大規模言語モデル(LLM)の最近の進歩を協調的に活用する。
• 参考スコア（独自算出の注目度）: 17.97354500453661
• License:
• Abstract: Knowledge Graph (KG) is playing an increasingly important role in various AI systems. For e-commerce, an efficient and low-cost automated knowledge graph construction method is the foundation of enabling various successful downstream applications. In this paper, we propose a novel method for constructing structured product knowledge graphs from raw product images. The method cooperatively leverages recent advances in the vision-language model (VLM) and large language model (LLM), fully automating the process and allowing timely graph updates. We also present a human-annotated e-commerce product dataset for benchmarking product property extraction in knowledge graph construction. Our method outperforms our baseline in all metrics and evaluated properties, demonstrating its effectiveness and bright usage potential.
• Abstract（参考訳）: 知識グラフ(KG)は、さまざまなAIシステムにおいて、ますます重要な役割を担っている。 電子商取引においては, 低コストで効率的な知識グラフ構築手法が, 様々なダウンストリームアプリケーションを実現する基盤となっている。 本稿では,生の製品画像から構造化された製品知識グラフを構築するための新しい手法を提案する。 この手法は、視覚言語モデル(VLM)と大規模言語モデル(LLM)の最近の進歩を協調的に活用し、プロセスを完全に自動化し、タイムリーなグラフ更新を可能にする。 また、知識グラフ構築における製品資産抽出のベンチマークを行うための人手による電子商取引製品データセットも提示する。 提案手法は,すべての測定値と評価特性においてベースラインを上回り,その有効性と明るい使用可能性を示す。

関連論文リスト

• Customized Information and Domain-centric Knowledge Graph Construction with Large Language Models [0.0]
  本稿では,構造化情報へのタイムリーなアクセスを実現するための知識グラフに基づく新しいアプローチを提案する。 本フレームワークは,情報検索,キーフレーズ抽出,セマンティックネットワーク生成,トピックマップ可視化などを含むテキストマイニングプロセスを含む。 当社の方法論を自動車電気システムの領域に適用して,スケーラブルなアプローチを実証する。
  論文  参考訳（メタデータ） (2024-09-30T07:08:28Z)
• Knowledge Graph Extension by Entity Type Recognition [2.8231106019727195]
  本稿では,エンティティ型認識に基づく知識グラフ拡張フレームワークを提案する。 このフレームワークは、異なる知識グラフ間でスキーマとエンティティを整列させることにより、高品質な知識抽出を実現することを目的としている。
  論文  参考訳（メタデータ） (2024-05-03T19:55:03Z)
• Exploring In-Context Learning Capabilities of Foundation Models for Generating Knowledge Graphs from Text [3.114960935006655]
  本論文は,知識グラフの自動構築と完成の技術をテキストから改善することを目的としている。 この文脈では、新しいパラダイムの1つは、言語モデルがプロンプトとともにそのまま使われる、コンテキスト内学習である。
  論文  参考訳（メタデータ） (2023-05-15T17:10:19Z)
• Schema-aware Reference as Prompt Improves Data-Efficient Knowledge Graph Construction [57.854498238624366]
  本稿では,データ効率のよい知識グラフ構築のためのRAP(Schema-Aware Reference As Prompt)の検索手法を提案する。 RAPは、人間の注釈付きおよび弱教師付きデータから受け継いだスキーマと知識を、各サンプルのプロンプトとして動的に活用することができる。
  論文  参考訳（メタデータ） (2022-10-19T16:40:28Z)
• Joint Language Semantic and Structure Embedding for Knowledge Graph Completion [66.15933600765835]
  本稿では,知識三重項の自然言語記述と構造情報とを共同で組み込むことを提案する。 本手法は,学習済み言語モデルを微調整することで,完了作業のための知識グラフを埋め込む。 各種知識グラフベンチマーク実験により,本手法の最先端性能を実証した。
  論文  参考訳（メタデータ） (2022-09-19T02:41:02Z)
• GraphMAE: Self-Supervised Masked Graph Autoencoders [52.06140191214428]
  本稿では,自己教師付きグラフ学習における課題を軽減するマスク付きグラフオートエンコーダGraphMAEを提案する。 我々は3つの異なるグラフ学習タスクに対して、21の公開データセットに関する広範な実験を行った。 その結果,GraphMAEはグラフオートエンコーダであり,設計に注意を払っている。
  論文  参考訳（メタデータ） (2022-05-22T11:57:08Z)
• Billion-scale Pre-trained E-commerce Product Knowledge Graph Model [13.74839302948699]
  電子商取引製品知識グラフのための事前学習知識グラフモデル(PKGM)。 PKGMは、知識グラフのトリプルデータにアクセスせずに、埋め込みベースのモデルに一様にアイテムナレッジサービスを提供する。 我々は,PKGMを項目分類,同一項目識別,レコメンデーションを含む3つの知識関連タスクでテストする。
  論文  参考訳（メタデータ） (2021-05-02T04:28:22Z)
• Model-Agnostic Graph Regularization for Few-Shot Learning [60.64531995451357]
  グラフ組み込み数ショット学習に関する包括的な研究を紹介します。 本稿では,ラベル間のグラフ情報の組み込みによる影響をより深く理解できるグラフ正規化手法を提案する。 提案手法は,Mini-ImageNetで最大2%,ImageNet-FSで6.7%の性能向上を実現する。
  論文  参考訳（メタデータ） (2021-02-14T05:28:13Z)
• ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
  実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。 我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。 本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
  論文  参考訳（メタデータ） (2020-04-30T14:16:19Z)
• Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
  本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。 エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。 既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
  論文  参考訳（メタデータ） (2020-04-29T14:22:42Z)

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。