論文の概要: HALO: Half Life-Based Outdated Fact Filtering in Temporal Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2505.07509v1
• Date: Mon, 12 May 2025 12:47:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.378114
• Title: HALO: Half Life-Based Outdated Fact Filtering in Temporal Knowledge Graphs
• Title（参考訳）: HALO: 時間知識グラフにおける半生ベース時代遅れのファクトフィルタ
• Authors: Feng Ding, Tingting Wang, Yupeng Gao, Shuo Yu, Jing Ren, Feng Xia,
• Abstract要約: 時間知識グラフ(TKG)の古い事実は、事実の有効期限を超えた結果である。 本稿では,歴史的事実の時間的妥当性を定量化する,HALOという時代遅れな事実フィルタリングフレームワークを提案する。 実験の結果,HALOは3つの公開データセット上で最先端のTKG推論手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 19.132234560410087
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Outdated facts in temporal knowledge graphs (TKGs) result from exceeding the expiration date of facts, which negatively impact reasoning performance on TKGs. However, existing reasoning methods primarily focus on positive importance of historical facts, neglecting adverse effects of outdated facts. Besides, training on these outdated facts yields extra computational cost. To address these challenges, we propose an outdated fact filtering framework named HALO, which quantifies the temporal validity of historical facts by exploring the half-life theory to filter outdated facts in TKGs. HALO consists of three modules: the temporal fact attention module, the dynamic relation-aware encoder module, and the outdated fact filtering module. Firstly, the temporal fact attention module captures the evolution of historical facts over time to identify relevant facts. Secondly, the dynamic relation-aware encoder module is designed for efficiently predicting the half life of each fact. Finally, we construct a time decay function based on the half-life theory to quantify the temporal validity of facts and filter outdated facts. Experimental results show that HALO outperforms the state-of-the-art TKG reasoning methods on three public datasets, demonstrating its effectiveness in detecting and filtering outdated facts (Codes are available at https://github.com/yushuowiki/K-Half/tree/main ).
• Abstract（参考訳）: 時間知識グラフ(TKG)の古い事実は、事実の満了日を超えた結果であり、これはTKGの推論性能に悪影響を及ぼす。 しかし、既存の推論手法は主に歴史的事実の肯定的な重要性に注目し、時代遅れの事実の悪影響を無視している。 さらに、これらの時代遅れの事実のトレーニングは、余分な計算コストをもたらす。 これらの課題に対処するために, 半生理論を探索し, 過去の事実の時間的妥当性を定量化し, TKGの古い事実をフィルタリングする, HALOという古い事実フィルタリングフレームワークを提案する。 HALOは、時間的ファクトアテンションモジュール、動的リレーションアウェアエンコーダモジュール、時代遅れのファクトフィルタリングモジュールの3つのモジュールで構成されている。 第一に、時間的事実注意モジュールは、時間とともに歴史的事実の進化を捉え、関連する事実を特定する。 第二に、動的関係認識エンコーダモジュールは、各事象の半減期を効率的に予測するように設計されている。 最後に、半生理論に基づく時間減衰関数を構築し、事実の時間的妥当性を定量化し、時代遅れの事実をフィルタリングする。 実験の結果、HALOは3つの公開データセット上で最先端のTKG推論手法よりも優れており、古い事実の検出とフィルタリングの有効性を示している(コードはhttps://github.com/yushuowiki/K-Half/tree/mainで公開されている)。

関連論文リスト

• Factual Knowledge in Language Models: Robustness and Anomalies under Simple Temporal Context Variations [3.6921454547718784]
  本稿では,言語モデル(LM)の事実知識における時間的文脈の変化に対するロバスト性について考察する。 LMが時間的文脈と特定の期間に有効な過去の事実を正しく関連付けることができるかどうかを検討する。 LMの精度は、有効期間から不正確なコンテキストの距離と、コンテキストの粒度という2つの次元に沿って分析される。
  論文  参考訳（メタデータ） (2025-02-03T10:24:55Z)
• Merging Facts, Crafting Fallacies: Evaluating the Contradictory Nature of Aggregated Factual Claims in Long-Form Generations [63.90357081534995]
  大型言語モデル(LLM)からの長文生成には、事実と非事実のクレームが混在している。 Llama-chatのような強力なオープンソースモデルは、検証可能な事実を含む段落を生成することができるが、事実はエンティティの曖昧さのため、非現実的な段落にまとめられる。 我々は、曖昧なエンティティを持つコンテンツに特化して設計された拡張メトリックD-FActScoreを導入する。
  論文  参考訳（メタデータ） (2024-02-08T12:36:29Z)
• Mitigating Temporal Misalignment by Discarding Outdated Facts [58.620269228776294]
  大規模な言語モデルは、しばしば時間的ミスアライメントの下で使われ、現在に関する質問に答える。 我々は、ある事実がいつまで真実であるかを予測するタスクとして、事実期間予測を提案する。 私たちのデータとコードはhttps://github.com/mikejqzhang/mitigating_misalignment.comで公開されています。
  論文  参考訳（メタデータ） (2023-05-24T07:30:08Z)
• Few-shot Link Prediction on N-ary Facts [70.8150181683017]
  ハイパーリレーショナル・ファクト(LPHFs)のリンク予測は、ハイパーリレーショナル・事実の欠落要素を予測することである。 Few-Shot Link Prediction on Hyper-Relational Facts (PHFs) は、サポートインスタンスが限定されたハイパーリレーショナルな事実において、欠落したエンティティを予測することを目的としている。
  論文  参考訳（メタデータ） (2023-05-10T12:44:00Z)
• FactPEGASUS: Factuality-Aware Pre-training and Fine-tuning for Abstractive Summarization [91.46015013816083]
  本稿では,FactPEGについて述べる。FactPEGは,事前学習と微調整における現実性の問題に対処する抽象的な要約モデルである。 分析の結果,FactPEGはゼロショットやスプリショットの設定において,本来の事前学習目標よりも現実的であることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T17:39:14Z)

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。