論文の概要: Prompted Meta-Learning for Few-shot Knowledge Graph Completion

• arxiv url: http://arxiv.org/abs/2505.05684v1
• Date: Thu, 08 May 2025 22:59:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-12 20:40:10.103821
• Title: Prompted Meta-Learning for Few-shot Knowledge Graph Completion
• Title（参考訳）: ファウショット知識グラフ補完のためのメタラーニング
• Authors: Han Wu, Jie Yin,
• Abstract要約: KGC (Few-shot Knowledge Graph completion) は実世界のシナリオで実用化されているため注目されている。 メタセマンティックスとリレーショナル情報とをシームレスに統合した,数ショットのKGCのための新しいメタ学習フレームワークを提案する。 1 メタセマンティック・プロンプト・プールは、高いレベルのメタセマンティクスを捕捉し、統合し、効果的な知識伝達と、稀で新しい関係への適応を可能にする。
• 参考スコア（独自算出の注目度）: 11.880512693272367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Few-shot knowledge graph completion (KGC) has obtained significant attention due to its practical applications in real-world scenarios, where new knowledge often emerges with limited available data. While most existing methods for few-shot KGC have predominantly focused on leveraging relational information, rich semantics inherent in KGs have been largely overlooked. To address this gap, we propose a novel prompted meta-learning (PromptMeta) framework that seamlessly integrates meta-semantics with relational information for few-shot KGC. PrompMeta has two key innovations: (1) a meta-semantic prompt pool that captures and consolidates high-level meta-semantics, enabling effective knowledge transfer and adaptation to rare and newly emerging relations. (2) a learnable fusion prompt that dynamically combines meta-semantic information with task-specific relational information tailored to different few-shot tasks. Both components are optimized together with model parameters within a meta-learning framework. Extensive experiments on two benchmark datasets demonstrate the effectiveness of our approach.
• Abstract（参考訳）: KGC (Few-shot Knowledge Graph completion) は、現実のシナリオにおいて、利用可能な限られたデータで新しい知識が現れるという実践的な応用により、大きな注目を集めている。 KGCの既存の手法のほとんどは関係情報の活用に重点を置いているが、KGに固有のリッチな意味論はほとんど見過ごされている。 このギャップに対処するために,メタセマンティックスとリレーショナル情報とをシームレスに統合するメタラーニング(PromptMeta)フレームワークを提案する。 1 メタセマンティック・プロンプト・プールは、高いレベルのメタセマンティクスを捕捉し、統合し、効果的な知識伝達と、稀で新しい関係への適応を可能にする。 2) メタセマンティック情報とタスク固有の関係情報を動的に組み合わせた学習可能な融合プロンプト。 両方のコンポーネントはメタ学習フレームワーク内のモデルパラメータとともに最適化されている。 2つのベンチマークデータセットに対する大規模な実験は、我々のアプローチの有効性を実証している。

関連論文リスト

• NativE: Multi-modal Knowledge Graph Completion in the Wild [51.80447197290866]
  本研究では,MMKGCを実現するための包括的フレームワークNativEを提案する。 NativEは、任意のモダリティに対して適応的な融合を可能にするリレーショナル誘導デュアルアダプティブフュージョンモジュールを提案する。 提案手法を評価するために,5つのデータセットを用いたWildKGCという新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2024-03-28T03:04:00Z)
• Noise-powered Multi-modal Knowledge Graph Representation Framework [52.95468915728721]
  マルチモーダル・プレトレーニングの台頭は、統合されたマルチモーダル知識グラフ表現学習フレームワークの必要性を強調している。 モードレベルのノイズマスキングを備えたトランスフォーマーアーキテクチャを用いた新しいSNAG手法を提案する。 提案手法は10個のデータセットにまたがってSOTA性能を実現し,その汎用性を実証する。
  論文  参考訳（メタデータ） (2024-03-11T15:48:43Z)
• Meta-Path Learning for Multi-relational Graph Neural Networks [14.422104525197838]
  本稿では,少数の情報的メタパスに基づいて,高精度なメタパスとメタパスGNNの学習手法を提案する。 実験により,本手法は関係性が高い場合でも,関連メタパスを正しく同定できることが示唆された。
  論文  参考訳（メタデータ） (2023-09-29T10:12:30Z)
• DAC-MR: Data Augmentation Consistency Based Meta-Regularization for Meta-Learning [55.733193075728096]
  メタ学習を改善するメタ知識情報メタラーニング(MKIML)フレームワークを提案する。 適切なメタレギュラー化(MR)目標を用いて,メタ知識をメタオブジェクトに統合する。 提案したDAC-MRは、ノイズ、スパース、あるいは利用できないメタデータのトレーニングタスクから、良好なパフォーマンスのメタモデルを学ぶことを期待している。
  論文  参考訳（メタデータ） (2023-05-13T11:01:47Z)
• MetaKG: Meta-learning on Knowledge Graph for Cold-start Recommendation [20.650193619161104]
  知識グラフ(KG)は、相互接続された型付きエンティティとその属性からなる。 メタ学習の成功に触発されて,メタKGと呼ばれ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） (2022-02-08T13:31:14Z)
• Meta-Learning with Fewer Tasks through Task Interpolation [67.03769747726666]
  現在のメタ学習アルゴリズムは多数のメタトレーニングタスクを必要としており、実際のシナリオではアクセスできない可能性がある。 タスクグラデーションを用いたメタラーニング(MLTI)により,タスクのペアをランダムにサンプリングし,対応する特徴やラベルを補間することにより,タスクを効果的に生成する。 実証的な実験では,提案する汎用MLTIフレームワークが代表的なメタ学習アルゴリズムと互換性があり,他の最先端戦略を一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-06-04T20:15:34Z)
• Towards Effective Context for Meta-Reinforcement Learning: an Approach based on Contrastive Learning [33.19862944149082]
  CCM(Contrastive Learning augmented Context-based Meta-RL)と呼ばれる新しいメタRLフレームワークを提案する。 まず、異なるタスクの背後にある対照的な性質に注目し、それを活用して、コンパクトで十分なコンテキストエンコーダをトレーニングします。 我々は,情報ゲインに基づく新たな目的を導出し,いくつかのステップで情報トラジェクトリを収集する。
  論文  参考訳（メタデータ） (2020-09-29T09:29:18Z)
• Meta-Baseline: Exploring Simple Meta-Learning for Few-Shot Learning [79.25478727351604]
  評価基準に基づいて,分類済みモデル全体に対するメタラーニング(メタラーニング)を提案する。 我々は,この単純な手法が標準ベンチマークにおける最先端手法との競合性能を達成するのを観察する。
  論文  参考訳（メタデータ） (2020-03-09T20:06:36Z)
• Automated Relational Meta-learning [95.02216511235191]
  本稿では,クロスタスク関係を自動的に抽出し,メタ知識グラフを構築する自動リレーショナルメタ学習フレームワークを提案する。 我々は,2次元玩具の回帰と少数ショット画像分類に関する広範な実験を行い,ARMLが最先端のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-01-03T07:02:25Z)

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。