論文の概要: Comparison of Metadata Representation Models for Knowledge Graph Embeddings

• arxiv url: http://arxiv.org/abs/2503.21804v2
• Date: Mon, 31 Mar 2025 04:31:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 11:09:43.322374
• Title: Comparison of Metadata Representation Models for Knowledge Graph Embeddings
• Title（参考訳）: 知識グラフ埋め込みのためのメタデータ表現モデルの比較
• Authors: Shusaku Egami, Kyoumoto Matsushita, Takanori Ugai, Ken Fukuda,
• Abstract要約: ハイパーリレーショナル知識グラフ(HRKG)は、従来のKGを二項関係を超えて拡張する。 本研究では,異なるメタデータ表現モデル(MRM)がKG埋め込み(KGE)およびリンク予測(LP)モデルに与える影響を評価する。 潜在空間における3つのMRMの知識表現を効果的に反映する枠組みを提案する。
• 参考スコア（独自算出の注目度）: 1.8749305679160366
• License:
• Abstract: Hyper-relational Knowledge Graphs (HRKGs) extend traditional KGs beyond binary relations, enabling the representation of contextual, provenance, and temporal information in domains, such as historical events, sensor data, video content, and narratives. HRKGs can be structured using several Metadata Representation Models (MRMs), including Reification (REF), Singleton Property (SGP), and RDF-star (RDR). However, the effects of different MRMs on KG Embedding (KGE) and Link Prediction (LP) models remain unclear. This study evaluates MRMs in the context of LP tasks, identifies the limitations of existing evaluation frameworks, and introduces a new task that ensures fair comparisons across MRMs. Furthermore, we propose a framework that effectively reflects the knowledge representations of the three MRMs in latent space. Experiments on two types of datasets reveal that REF performs well in simple HRKGs, whereas SGP is less effective. However, in complex HRKGs, the differences among MRMs in the LP tasks are minimal. Our findings contribute to an optimal knowledge representation strategy for HRKGs in LP tasks.
• Abstract（参考訳）: ハイパーリレーショナル知識グラフ(HRKG)は、従来のKGを二項関係を超えて拡張し、歴史的イベント、センサーデータ、ビデオコンテンツ、物語などの領域における文脈情報、前兆情報、時間情報の表現を可能にする。 HRKGは、Reification(REF)、Singleton Property(SGP)、RDF-star(RDR)など、いくつかのメタデータ表現モデル(MRM)を使用して構成することができる。 しかし、異なるMRMがKG埋め込み(KGE)モデルとリンク予測(LP)モデルに与える影響は明らかでない。 本研究では、LPタスクの文脈でMRMを評価し、既存の評価フレームワークの限界を特定し、MRM間の公正な比較を保証する新しいタスクを提案する。 さらに,潜在空間における3つのMRMの知識表現を効果的に反映する枠組みを提案する。 2種類のデータセットの実験では、単純なHRKGではREFがうまく機能するが、SGPでは効果が低い。 しかし、複雑なHRKGでは、LPタスクにおけるMRMの違いは最小限である。 本研究は,LPタスクにおけるHRKGの最適知識表現戦略に寄与する。

関連論文リスト

• Grounding LLM Reasoning with Knowledge Graphs [4.279373869671241]
  我々は、知識グラフと推論戦略を統合することで、KGデータにおける推論チェーンのすべてのステップまたは"思想"をアンカーする。 我々は,Chain-of-Thought (CoT), Tree-of-Thought (ToT), Graph-of-Thought (GoT) など,いくつかの推論手法によるエージェント検索と自動検索の両方を評価した。 我々の実験は、このアプローチがベースラインモデルより一貫して優れていることを示した。
  論文  参考訳（メタデータ） (2025-02-18T19:20:46Z)
• GFM-RAG: Graph Foundation Model for Retrieval Augmented Generation [84.41557981816077]
  本稿では,新しいグラフ基盤モデル (GFM) である GFM-RAG について紹介する。 GFM-RAGは、複雑なクエリ-知識関係をキャプチャするグラフ構造を理由とする、革新的なグラフニューラルネットワークによって実現されている。 効率とニューラルスケーリング法則との整合性を維持しつつ、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-02-03T07:04:29Z)
• Relation Extraction with Fine-Tuned Large Language Models in Retrieval Augmented Generation Frameworks [0.0]
  関係抽出(RE)は、構造化されていないデータを知識グラフ(KG)のような構造化形式に変換するために重要である プレトレーニング言語モデル(PLM)を活用した最近の研究は、この分野で大きな成功を収めている。 本研究では、微調整LDMの性能と、Retrieval Augmented-based (RAG) REアプローチへの統合について検討する。
  論文  参考訳（メタデータ） (2024-06-20T21:27:57Z)
• MMRel: A Relation Understanding Benchmark in the MLLM Era [72.95901753186227]
  MMRel(Multi-Modal Relation Understanding)は、オブジェクト間の関係に関する大規模で高品質で多様なデータを特徴付けるベンチマークである。 MMRelは、関係理解に基づくMLLMの評価や、関係理解能力を高めるための微調整MLLMに最適である。
  論文  参考訳（メタデータ） (2024-06-13T13:51:59Z)
• An AMR-based Link Prediction Approach for Document-level Event Argument Extraction [51.77733454436013]
  文書レベルのイベント調停抽出(文書レベルEAE)のための抽象的意味表現(AMR)を導入した最近の研究動向 本研究では,AEをAMRグラフ上のリンク予測問題として再検討する。 本稿では,より少ない情報量のサブグラフやエッジタイプを圧縮し,スパン情報を統合し,同じ文書内の事象をハイライトする新たなグラフ構造であるTalored AMR Graph(TAG)を提案する。
  論文  参考訳（メタデータ） (2023-05-30T16:07:48Z)
• Information Screening whilst Exploiting! Multimodal Relation Extraction with Feature Denoising and Multimodal Topic Modeling [96.75821232222201]
  既存のマルチモーダル関係抽出(MRE)研究は、内部情報過剰利用と外部情報過多という2つの共存課題に直面している。 内部情報スクリーニングと外部情報活用を同時に実現する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-19T14:56:57Z)
• Prior Information based Decomposition and Reconstruction Learning for Micro-Expression Recognition [45.46357824529522]
  事前情報は、モデルを誘導し、差別的なME特徴を効果的に学習する。 本稿では,ME運動の特徴を学習するための分解と再構成に基づくグラフ表現学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-03-03T08:34:28Z)
• Advancing Radiograph Representation Learning with Masked Record Modeling [52.04899592688968]
  我々は2つの相補的な目的として自己と報告の補完を定式化し、マスク付きレコードモデリング(MRM)に基づく統一的な枠組みを提案する。 MRMは、知識強化されたセマンティック表現を学ぶためのマルチタスクスキームに従って、マスクされた画像パッチとマスクされたレポートトークンを再構築する。 具体的には、MRMはラベル効率の良い微調整において優れた性能を提供する。
  論文  参考訳（メタデータ） (2023-01-30T18:33:32Z)
• How Knowledge Graph and Attention Help? A Quantitative Analysis into Bag-level Relation Extraction [66.09605613944201]
  バッグレベルの関係抽出(RE)における注意と知識グラフの効果を定量的に評価する。 その結果,(1)注目精度の向上は,エンティティ参照特徴を抽出するモデルの性能を損なう可能性があること,(2)注目性能は様々なノイズ分布パターンの影響が大きいこと,(3)KG強化された注目はRE性能を向上するが,その効果は注目度を向上させるだけでなく,先行するエンティティを組み込むことによっても改善することがわかった。
  論文  参考訳（メタデータ） (2021-07-26T09:38:28Z)

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。