論文の概要: Soft Reasoning Paths for Knowledge Graph Completion

• arxiv url: http://arxiv.org/abs/2505.03285v1
• Date: Tue, 06 May 2025 08:12:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.251621
• Title: Soft Reasoning Paths for Knowledge Graph Completion
• Title（参考訳）: 知識グラフ補完のためのソフト推論パス
• Authors: Yanning Hou, Sihang Zhou, Ke Liang, Lingyuan Meng, Xiaoshu Chen, Ke Xu, Siwei Wang, Xinwang Liu, Jian Huang,
• Abstract要約: 推論パスは知識グラフ補完(KGC)における信頼できる情報である 現実のアプリケーションでは、計算に手頃なパスが全ての候補エンティティに対して存在することを保証することは困難である。 そこで本研究では,提案アルゴリズムを不備な経路状況に対してより安定にするために,ソフト推論パスを導入する。
• 参考スコア（独自算出の注目度）: 63.23109723605835
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reasoning paths are reliable information in knowledge graph completion (KGC) in which algorithms can find strong clues of the actual relation between entities. However, in real-world applications, it is difficult to guarantee that computationally affordable paths exist toward all candidate entities. According to our observation, the prediction accuracy drops significantly when paths are absent. To make the proposed algorithm more stable against the missing path circumstances, we introduce soft reasoning paths. Concretely, a specific learnable latent path embedding is concatenated to each relation to help better model the characteristics of the corresponding paths. The combination of the relation and the corresponding learnable embedding is termed a soft path in our paper. By aligning the soft paths with the reasoning paths, a learnable embedding is guided to learn a generalized path representation of the corresponding relation. In addition, we introduce a hierarchical ranking strategy to make full use of information about the entity, relation, path, and soft path to help improve both the efficiency and accuracy of the model. Extensive experimental results illustrate that our algorithm outperforms the compared state-of-the-art algorithms by a notable margin. The code will be made publicly available after the paper is officially accepted.
• Abstract（参考訳）: 推論パスは知識グラフ補完(KGC)において信頼できる情報であり、アルゴリズムは実体間の実際の関係の強い手がかりを見つけることができる。 しかし、現実のアプリケーションでは、全ての候補エンティティに対して計算的に手頃なパスが存在することを保証することは困難である。 その結果,経路が存在しない場合,予測精度は著しく低下することがわかった。 提案アルゴリズムは, 欠落した経路状況に対してより安定にするために, ソフト推論経路を導入する。 具体的には、特定の学習可能な潜在経路埋め込みを各関係に結合し、対応する経路の特性をより良くモデル化する。 この関係と学習可能な埋め込みの組み合わせを,本論文ではソフトパスと呼ぶ。 ソフトパスを推論経路と整合させることにより、学習可能な埋め込みを導出し、対応する関係の一般化された経路表現を学習する。 さらに,モデルの有効性と精度を向上させるために,エンティティ,リレーション,パス,ソフトパスに関する情報をフル活用するための階層的ランキング戦略を導入する。 大規模な実験結果から,本アルゴリズムは比較した最先端のアルゴリズムよりも顕著なマージンで優れていたことが示唆された。 コードは、論文が公式に承認された後、公開されます。

関連論文リスト

• DataSP: A Differential All-to-All Shortest Path Algorithm for Learning Costs and Predicting Paths with Context [4.202961704179733]
  本稿では,トラジェクトリからの遅延コストの学習を容易にするために,DataSPを提案する。 コンテキスト特徴からの複雑な遅延コスト関数は、ニューラルネットワーク近似を通じてアルゴリズムで表現することができる。 データSPは,グラフ上での経路予測において,最先端の機械学習手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-05-08T09:45:54Z)
• Path Choice Matters for Clear Attribution in Path Methods [84.29092710376217]
  重要でない特徴に対する高い属性を割り当てるtextbfConcentration Principleを導入する。 次に、モデルに依存しないインタプリタである textbfSAMP を提示し、ほぼ最適経路を効率的に探索する。 また、厳密性と最適性を改善するために、無限小制約(IC)と運動量戦略(MS)を提案する。
  論文  参考訳（メタデータ） (2024-01-19T01:11:44Z)
• Discover Important Paths in the Knowledge Graph Based on Dynamic Relation Confidence [2.6032596415721945]
  経路特徴に基づく推論法は知識グラフ推論の分野で広く用いられている。 本稿では,動的関係信頼度と他の指標を組み合わせたDCパス法を提案する。
  論文  参考訳（メタデータ） (2022-11-02T06:37:01Z)
• GraphWalks: Efficient Shape Agnostic Geodesic Shortest Path Estimation [93.60478281489243]
  3次元曲面上の測地線経路を近似する学習可能なネットワークを提案する。 提案手法は,最短経路の効率的な近似と測地距離推定を提供する。
  論文  参考訳（メタデータ） (2022-05-30T16:22:53Z)
• Entity Alignment with Reliable Path Reasoning and Relation-Aware Heterogeneous Graph Transformer [5.960613525368867]
  本稿では,関係と経路構造情報を統合したより効果的なエンティティアライメントフレームワークRPR-RHGTを提案する。 知識グラフの関係構造からEAタスクに適した経路を生成するために,初期信頼経路推論アルゴリズムを開発した。 実体近傍における異種特徴を効率的に捉えるために、関係性を考慮した異種グラフ変換器を設計する。
  論文  参考訳（メタデータ） (2022-05-18T09:12:37Z)
• PathBench: A Benchmarking Platform for Classical and Learned Path Planning Algorithms [59.3879573040863]
  パスプランニングは、モバイルロボティクスの重要なコンポーネントです。 アルゴリズムを全体的あるいは統一的にベンチマークする試みはほとんど行われていない。 本稿では,パスプランニングアルゴリズムの開発,視覚化,トレーニング,テスト,ベンチマークを行うプラットフォームであるPathBenchについて述べる。
  論文  参考訳（メタデータ） (2021-05-04T21:48:18Z)
• Joint Semantics and Data-Driven Path Representation for Knowledge Graph Inference [60.048447849653876]
  我々は,KG埋め込みの枠組みにおける説明可能性と一般化のバランスをとる,新しい共同意味論とデータ駆動経路表現を提案する。 提案手法はリンク予測と経路問合せ応答という2つのタスクのクラスで評価される。
  論文  参考訳（メタデータ） (2020-10-06T10:24:45Z)
• Relational Message Passing for Knowledge Graph Completion [78.47976646383222]
  本稿では,知識グラフ補完のためのリレーショナルメッセージパッシング手法を提案する。 エッジ間でリレーショナルメッセージを反復的に送信し、近隣情報を集約する。 その結果,本手法は最先端の知識完成手法よりも大きなマージンで優れていることがわかった。
  論文  参考訳（メタデータ） (2020-02-17T03:33:41Z)

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。