論文の概要: Knowledge Graph Completion with Mixed Geometry Tensor Factorization
- arxiv url: http://arxiv.org/abs/2504.02589v1
- Date: Thu, 03 Apr 2025 13:54:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-04 12:58:41.943635
- Title: Knowledge Graph Completion with Mixed Geometry Tensor Factorization
- Title（参考訳）: 混合幾何テンソル因子化による知識グラフ補完
- Authors: Viacheslav Yusupov, Maxim Rakhuba, Evgeny Frolov,
- Abstract要約: 低階テンソル近似を用いた知識グラフ補完のための新しい幾何学的手法を提案する。
我々は、新しい双曲的相互作用項を持つタッカーテンソル分解に基づいて、事前訓練された、十分に確立されたユークリッドモデルを増強する。
- 参考スコア（独自算出の注目度）: 0.6827423171182154
- License:
- Abstract: In this paper, we propose a new geometric approach for knowledge graph completion via low rank tensor approximation. We augment a pretrained and well-established Euclidean model based on a Tucker tensor decomposition with a novel hyperbolic interaction term. This correction enables more nuanced capturing of distributional properties in data better aligned with real-world knowledge graphs. By combining two geometries together, our approach improves expressivity of the resulting model achieving new state-of-the-art link prediction accuracy with a significantly lower number of parameters compared to the previous Euclidean and hyperbolic models.
- Abstract（参考訳）: 本稿では,低階テンソル近似を用いた知識グラフ補完のための新しい幾何学的手法を提案する。
我々は、新しい双曲的相互作用項を持つタッカーテンソル分解に基づいて、事前訓練された、十分に確立されたユークリッドモデルを増強する。
この補正により、現実世界の知識グラフとより整合したデータにおける分布特性のよりニュアンスなキャプチャが可能になる。
2つのジオメトリを組み合わせることで,従来のユークリッドモデルや双曲モデルと比較して,新しい最先端リンク予測精度を著しく低いパラメータ数で達成し,結果モデルの表現性を向上する。
関連論文リスト
- Random Sparse Lifts: Construction, Analysis and Convergence of finite sparse networks [17.487761710665968]
本稿では,パラメータの数が増えると,勾配流による学習が任意に低損失に達するような,ニューラルネットワークの大規模クラスを定義する枠組みを提案する。
論文 参考訳（メタデータ） (2025-01-10T12:52:00Z) - Learning from Heterogeneity: A Dynamic Learning Framework for Hypergraphs [22.64740740462169]
本稿では,動的ハイパーエッジ構築と注意深い埋め込み更新が可能なLFHというハイパーグラフ学習フレームワークを提案する。
提案手法の有効性を評価するため,いくつかの一般的なデータセットを対象とした総合的な実験を行った。
論文 参考訳（メタデータ） (2023-07-07T06:26:44Z) - Understanding Augmentation-based Self-Supervised Representation Learning
via RKHS Approximation and Regression [53.15502562048627]
最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。
この研究は、増強に基づく事前訓練の統計的分析に発展する。
論文 参考訳（メタデータ） (2023-06-01T15:18:55Z) - Skeleton Regression: A Graph-Based Approach to Estimation with Manifold Structure [1.2891210250935148]
雑音を伴う低次元多様体の周囲に存在する大規模で複雑なデータを扱うために設計された新しい回帰フレームワークを提案する。
提案手法はまず,基礎となる幾何学的構造を捉えるために,スケルトンと呼ばれるグラフ表現を構築する。
次に、スケルトングラフ上のメトリクスを定義し、非パラメトリック回帰手法とグラフに基づく特徴変換を適用して回帰関数を推定する。
論文 参考訳（メタデータ） (2023-03-19T21:45:40Z) - Joint Graph and Vertex Importance Learning [47.249968772606145]
ラプラシアンアプローチと比較してエッジウェイト上界が小さいグラフを学習する新しい手法を提案する。
実験により, より解釈可能なモデルを用いて, ラプラシアン法に比べてスペーサーグラフが多数得られた。
論文 参考訳（メタデータ） (2023-03-15T12:12:13Z) - Data-heterogeneity-aware Mixing for Decentralized Learning [63.83913592085953]
グラフの混合重みとノード間のデータ不均一性の関係に収束の依存性を特徴付ける。
グラフが現在の勾配を混合する能力を定量化する計量法を提案する。
そこで本研究では,パラメータを周期的かつ効率的に最適化する手法を提案する。
論文 参考訳（メタデータ） (2022-04-13T15:54:35Z) - Score-based Generative Modeling of Graphs via the System of Stochastic
Differential Equations [57.15855198512551]
本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。
本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
論文 参考訳（メタデータ） (2022-02-05T08:21:04Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳（メタデータ） (2022-02-01T21:21:56Z) - T-LoHo: A Bayesian Regularization Model for Structured Sparsity and
Smoothness on Graphs [0.0]
グラフ構造化データでは、構造化されたスパーシリティと滑らかさが団結する傾向にある。
グラフィカルな関係を持つ高次元パラメータに先立って提案する。
構造された空間と滑らかさを同時に検出するために使用します。
論文 参考訳（メタデータ） (2021-07-06T10:10:03Z) - 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)
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。