論文の概要: Meta-Semantics Augmented Few-Shot Relational Learning

• arxiv url: http://arxiv.org/abs/2505.05684v2
• Date: Wed, 10 Sep 2025 10:03:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 15:16:52.078241
• Title: Meta-Semantics Augmented Few-Shot Relational Learning
• Title（参考訳）: メタセマンティクスを付加したFew-Shotリレーショナルラーニング
• Authors: Han Wu, Jie Yin,
• Abstract要約: 知識グラフ(KGs)上のリレーショナル学習は,少数のトレーニング例だけで関係性に関する推論を行うことを目的としている。 この重要な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新しいメタ学習フレームワークを提案する。 PromptMetaには,(1)高レベルのメタセマンティクスを学習・統合するメタセマンティクスプール (MSP) と,(2) メタセマンティクスとタスク固有の関係情報とを動的に結合する学習可能な融合トークンがある。
• 参考スコア（独自算出の注目度）: 8.997817761465866
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Few-shot relational learning on knowledge graph (KGs) aims to perform reasoning over relations with only a few training examples. While existing methods have primarily focused on leveraging specific relational information, rich semantics inherent in KGs have been largely overlooked. To address this critical gap, we propose a novel prompted meta-learning (PromptMeta) framework that seamlessly integrates meta-semantics with relational information for few-shot relational learning. PromptMeta has two key innovations: (1) a Meta-Semantic Prompt (MSP) pool that learns and consolidates high-level meta-semantics, enabling effective knowledge transfer and adaptation to rare and newly emerging relations; and (2) a learnable fusion token that dynamically combines meta-semantics with task-specific relational information tailored to different few-shot tasks. Both components are optimized jointly with model parameters within a meta-learning framework. Extensive experiments and analyses on two real-world KG datasets demonstrate the effectiveness of PromptMeta in adapting to new relations with limited data.
• Abstract（参考訳）: 知識グラフ上のリレーショナル学習(KGs)は,少数のトレーニング例で関係性に関する推論を行うことを目的としている。 既存の手法は主に特定の関係情報を活用することに重点を置いているが、KGに固有のリッチな意味論は概ね見過ごされている。 そこで本研究では,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,数発のリレーショナル学習を実現する,メタラーニング(PromptMeta)フレームワークを提案する。 PromptMetaには,(1)高レベルのメタセマンティクスを学習・統合するメタセマンティクスプール(MSP)と,(2)メタセマンティクスとタスク固有のリレーショナル情報とを動的に結合する学習可能な融合トークンがある。 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共同で最適化されている。 2つの実世界のKGデータセットに関する大規模な実験と分析は、限られたデータとの新たな関係に適応する上で、PromptMetaの有効性を示す。

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)
• A Unified Framework with Meta-dropout for Few-shot Learning [25.55782263169028]
  本稿ではメタラーニングの考え方を用いて,2つの全く異なる2つのショットラーニングのストリームを説明する。 本稿では,メタドロップアウト(メタドロップアウト)というシンプルな手法を提案し,基本カテゴリから新しいカテゴリへ一般化された伝達可能な知識に適用する。
  論文  参考訳（メタデータ） (2022-10-12T17:05:06Z)
• 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。