論文の概要: Class Granularity: How richly does your knowledge graph represent the real world?

• arxiv url: http://arxiv.org/abs/2411.06385v1
• Date: Sun, 10 Nov 2024 07:57:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:09:52.619883
• Title: Class Granularity: How richly does your knowledge graph represent the real world?
• Title（参考訳）: クラスグラニュラリティ(Class Granularity): あなたの知識グラフは現実世界をどれだけ豊かに表現していますか?
• Authors: Sumin Seo, Heeseon Cheon, Hyunho Kim,
• Abstract要約: オープングラニュラリティ(Open Granularity, Open Granularity)と呼ばれる新しい指標を提案する。 さらに,本研究では,知識グラフにおけるオープングラニュラリティが下流タスクに与える影響について検討した。
• 参考スコア（独自算出の注目度）: 0.27309692684728604
• License:
• Abstract: To effectively manage and utilize knowledge graphs, it is crucial to have metrics that can assess the quality of knowledge graphs from various perspectives. While there have been studies on knowledge graph quality metrics, there has been a lack of research on metrics that measure how richly ontologies, which form the backbone of knowledge graphs, are defined or the impact of richly defined ontologies. In this study, we propose a new metric called Class Granularity, which measures how well a knowledge graph is structured in terms of how finely classes with unique characteristics are defined. Furthermore, this research presents potential impact of Class Granularity in knowledge graph's on downstream tasks. In particular, we explore its influence on graph embedding and provide experimental results. Additionally, this research goes beyond traditional Linked Open Data comparison studies, which mainly focus on factors like scale and class distribution, by using Class Granularity to compare four different LOD sources.
• Abstract（参考訳）: 知識グラフを効果的に管理・活用するためには,様々な観点から知識グラフの品質を評価できる指標を持つことが不可欠である。 知識グラフの品質指標に関する研究は行われているが、知識グラフのバックボーンを形成する豊かなオントロジーが定義されているか、あるいはリッチに定義されたオントロジーの影響を測る指標についての研究は不足している。 本研究では,知識グラフがいかに細かな特徴を持つクラスが定義されているかという観点から,知識グラフがいかにうまく構成されているかを測定する,クラスグラニュラリティと呼ばれる新しい指標を提案する。 さらに,本研究では,知識グラフにおけるクラス粒度が下流タスクに与える影響について検討した。 特に,グラフ埋め込みへの影響について検討し,実験結果を提供する。 さらに、この研究は、4つの異なるLODソースを比較するためにClass Granularityを使用することで、主にスケールやクラス分布などの要因に焦点を当てた従来のLinked Open Dataの比較研究を越えている。

関連論文リスト

• A Survey on Temporal Knowledge Graph: Representation Learning and Applications [16.447980641446602]
  時間的知識グラフ表現学習は、知識グラフにおける実体と関係のための低次元ベクトル埋め込みを学習することを目的としている。 時間知識グラフ表現学習とその応用に関する総合的な調査を行う。
  論文  参考訳（メタデータ） (2024-03-02T16:21:45Z)
• Graph Relation Distillation for Efficient Biomedical Instance Segmentation [80.51124447333493]
  本稿では,効率的なバイオメディカル・インスタンス・セグメンテーションのためのグラフ関係蒸留手法を提案する。 画像内レベルと画像間レベルの両方に展開する2つのグラフ蒸留方式を導入する。 多くのバイオメディカルデータセットの実験結果から,本手法の有効性が検証された。
  論文  参考訳（メタデータ） (2024-01-12T04:41:23Z)
• KGrEaT: A Framework to Evaluate Knowledge Graphs via Downstream Tasks [1.8722948221596285]
  KGrEaTは、分類、クラスタリング、レコメンデーションといった実際の下流タスクを通じて知識グラフの品質を推定するフレームワークである。 フレームワークは知識グラフを入力として、評価対象のデータセットに自動的にマップし、定義されたタスクのパフォーマンスメトリクスを計算する。
  論文  参考訳（メタデータ） (2023-08-21T07:43:10Z)
• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• Structural Quality Metrics to Evaluate Knowledge Graphs [0.7646713951724009]
  この研究は、知識グラフの質を測定することができる6つの構造的品質指標を示す。 Web上の5つのクロスドメイン知識グラフ(Wikidata、DBpedia、YAGO、Google Knowledge Graph、Freebase)と、Naverの統合知識グラフである"Raftel"を分析する。
  論文  参考訳（メタデータ） (2022-11-18T03:26:09Z)
• 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)
• A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for Question Answering Over Dynamic Contexts [81.4757750425247]
  動的テキスト環境における質問応答について検討する。 構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2020-04-25T04:53:54Z)
• A Survey of Adversarial Learning on Graphs [59.21341359399431]
  本稿では,グラフ逆学習タスクに関する既存の研究を考察し,要約する。 具体的には、グラフ解析タスクにおける攻撃と防御に関する既存の作業を調査し、統一する。 我々は、関連する評価指標の重要性を強調し、それらを総合的に調査し、要約する。
  論文  参考訳（メタデータ） (2020-03-10T12:48:00Z)
• Knowledge Graphs [43.06435841693428]
  我々は、知識グラフに使用される様々なグラフベースのデータモデルとクエリ言語を動機付け、対比する。 本稿では,帰納的手法と帰納的手法を組み合わせた知識の表現と抽出について説明する。 我々は知識グラフの高レベルな今後の研究方向性を結論づける。
  論文  参考訳（メタデータ） (2020-03-04T20:20:32Z)
• A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
  我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。 知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。 メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
  論文  参考訳（メタデータ） (2020-02-02T13:17:31Z)

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。