論文の概要: Siren Federate: Bridging document, relational, and graph models for exploratory graph analysis

• arxiv url: http://arxiv.org/abs/2504.07815v1
• Date: Thu, 10 Apr 2025 14:52:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 12:24:10.767574
• Title: Siren Federate: Bridging document, relational, and graph models for exploratory graph analysis
• Title（参考訳）: Siren Federate: 探索グラフ解析のためのブリッジングドキュメント、リレーショナル、グラフモデル
• Authors: Georgeta Bordea, Stephane Campinas, Matteo Catena, Renaud Delbru,
• Abstract要約: 調査には、大きなヘテロジニアス知識グラフに関するインタラクティブな探索分析が必要である。 本稿では,探索グラフ解析を効率的にサポートするシステムであるSiren Federateのアーキテクチャについて論じる。 実験によると、Siren Federateはレイテンシが低く、データ量、ユーザ数、コンピューティングノード数によく対応している。
• 参考スコア（独自算出の注目度）: 0.6349764856675643
• License:
• Abstract: Investigative workflows require interactive exploratory analysis on large heterogeneous knowledge graphs. Current databases show limitations in enabling such task. This paper discusses the architecture of Siren Federate, a system that efficiently supports exploratory graph analysis by bridging document-oriented, relational and graph models. Technical contributions include distributed join algorithms, adaptive query planning, query plan folding, semantic caching, and semi-join decomposition for path query. Semi-join decomposition addresses the exponential growth of intermediate results in path-based queries. Experiments show that Siren Federate exhibits low latency and scales well with the amount of data, the number of users, and the number of computing nodes.
• Abstract（参考訳）: 調査ワークフローは、大きな異種知識グラフの対話的な探索分析を必要とする。 現在のデータベースは、そのようなタスクを有効にする際の制限を示しています。 本稿では,文書指向,リレーショナル,グラフモデルによる探索グラフ解析を効率的に支援するシステムであるSiren Federateのアーキテクチャについて論じる。 技術的コントリビューションには、分散結合アルゴリズム、適応クエリ計画、クエリプランの折り畳み、セマンティックキャッシング、パスクエリの半結合分解などがある。 半接合分解は、経路ベースのクエリにおける中間結果の指数関数的な成長に対処する。 実験によると、Siren Federateはレイテンシが低く、データ量、ユーザ数、コンピューティングノード数によく対応している。

関連論文リスト

• Predictive Query-based Pipeline for Graph Data [0.0]
  グラフ埋め込み技術は大規模グラフの解析と処理を単純化する。 GraphSAGE、Node2Vec、FastRPといったいくつかのアプローチは、グラフの埋め込みを生成する効率的な方法を提供する。 埋め込みをノード特性として保存することにより、異なる埋め込み技術を比較し、それらの有効性を評価することができる。
  論文  参考訳（メタデータ） (2024-12-13T08:03:57Z)
• Ranking Narrative Query Graphs for Biomedical Document Retrieval (Technical Report) [7.527096697768715]
  本稿では,生物医学領域における既存のグラフベースの発見システムを拡張する。 グラフベースの非教師付きランキング手法、新しいクエリ緩和パラダイム、存在論的書き換えに寄与する。
  論文  参考訳（メタデータ） (2024-12-06T12:49:28Z)
• Unsupervised Graph Neural Architecture Search with Disentangled Self-supervision [51.88848982611515]
  教師なしグラフニューラルアーキテクチャサーチは、文献では未発見のままである。 本稿では,Distangled Self-supervised Graph Neural Architecture Searchモデルを提案する。 我々のモデルは、教師なしの方法で、いくつかのベースライン手法に対して最先端のパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2024-03-08T05:23:55Z)
• A Neuro-Symbolic Framework for Answering Graph Pattern Queries in Knowledge Graphs [17.93455358818447]
  ほとんどのニューロシンボリッククエリプロセッサは木のようなグラフパターンクエリに制約されている。 不完全な知識グラフ上で任意のグラフパターンクエリに応答するフレームワークを導入する。
  論文  参考訳（メタデータ） (2023-10-06T21:31:17Z)
• Neural Graph Reasoning: Complex Logical Query Answering Meets Graph Databases [63.96793270418793]
  複雑な論理クエリ応答(CLQA)は、グラフ機械学習の最近登場したタスクである。 ニューラルグラフデータベース(NGDB)の概念を紹介する。 NGDBはNeural Graph StorageとNeural Graph Engineで構成されている。
  論文  参考訳（メタデータ） (2023-03-26T04:03:37Z)
• Graph Pooling for Graph Neural Networks: Progress, Challenges, and Opportunities [128.55790219377315]
  グラフニューラルネットワークは多くのグラフレベルのタスクの主要なアーキテクチャとして登場した。 グラフプーリングは、グラフ全体の全体的グラフレベル表現を得るためには不可欠である。
  論文  参考訳（メタデータ） (2022-04-15T04:02:06Z)
• Arch-Graph: Acyclic Architecture Relation Predictor for Task-Transferable Neural Architecture Search [96.31315520244605]
  Arch-Graphはタスク固有の最適アーキテクチャを予測するトランスファー可能なNASメソッドである。 Arch-Graphの転送性と,多数のタスクにわたる高いサンプル効率を示す。 わずか50モデルの予算の下で、2つの検索スペースで平均して0.16%と0.29%のアーキテクチャを見つけることができる。
  論文  参考訳（メタデータ） (2022-04-12T16:46:06Z)
• Interactive Visual Pattern Search on Graph Data via Graph Representation Learning [20.795511688640296]
  視覚分析システムGraphQは、ループ内、サンプルベース、サブグラフパターン検索をサポートする。 高速で対話的なクエリをサポートするために、グラフニューラルネットワーク(GNN)を使用して、グラフを固定長潜在ベクトル表現としてエンコードする。 また,NuroAlignと呼ばれるノードアライメントのための新しいGNNを提案し,クエリ結果の検証と解釈を容易にする。
  論文  参考訳（メタデータ） (2022-02-18T22:30:28Z)
• BASS: Boosting Abstractive Summarization with Unified Semantic Graph [49.48925904426591]
  BASSは、統合されたセマンティックグラフに基づく抽象的な要約を促進するためのフレームワークである。 文書表現と要約生成の両方を改善するために,グラフベースのエンコーダデコーダモデルを提案する。 実験結果から,提案アーキテクチャは長期文書および複数文書要約タスクに大幅な改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2021-05-25T16:20:48Z)
• Accurate Learning of Graph Representations with Graph Multiset Pooling [45.72542969364438]
  本稿では,その構造的依存関係に応じてノード間の相互作用をキャプチャするグラフマルチセットトランス (GMT) を提案する。 実験の結果,GMTはグラフ分類ベンチマークにおいて,最先端のグラフプーリング法を著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-02-23T07:45:58Z)
• Context-Aware Graph Convolution Network for Target Re-identification [61.34688291210318]
  提案手法は、人および車両再識別データセットにおける最先端のパフォーマンスを実現する。 本稿では,プローブとガリーの関係をグラフノードにエンコードする新しいコンテキストアウェアグラフ畳み込みネットワーク(cagcn)を提案する。 実験により,提案手法が車体および車体の再識別データセットにおいて最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-12-08T09:18:39Z)

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。