論文の概要: VITA: Versatile Time Representation Learning for Temporal Hyper-Relational Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2505.11803v1
- Date: Sat, 17 May 2025 03:16:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:10.856647
- Title: VITA: Versatile Time Representation Learning for Temporal Hyper-Relational Knowledge Graphs
- Title（参考訳）: VITA:時空間ハイパーリレーショナル知識グラフのためのバーサタイル時間表現学習
- Authors: ChongIn Un, Yuhuan Lu, Tianyue Yang, Dingqi Yang,
- Abstract要約: 事実の時間的妥当性は、下流リンク予測タスクにおいて強い手がかりとなることが多い。
事実の4種類の時間的妥当性を柔軟に適合させることができる多目的な時間表現であるVITAを提案する。
各種リンク予測タスクにおいて, VITA が最良性能のベースラインを上回っていることを示す。
- 参考スコア（独自算出の注目度）: 2.1475990419358255
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knowledge graphs (KGs) have become an effective paradigm for managing real-world facts, which are not only complex but also dynamically evolve over time. The temporal validity of facts often serves as a strong clue in downstream link prediction tasks, which predicts a missing element in a fact. Traditional link prediction techniques on temporal KGs either consider a sequence of temporal snapshots of KGs with an ad-hoc defined time interval or expand a temporal fact over its validity period under a predefined time granularity; these approaches not only suffer from the sensitivity of the selection of time interval/granularity, but also face the computational challenges when handling facts with long (even infinite) validity. Although the recent hyper-relational KGs represent the temporal validity of a fact as qualifiers describing the fact, it is still suboptimal due to its ignorance of the infinite validity of some facts and the insufficient information encoded from the qualifiers about the temporal validity. Against this background, we propose VITA, a $\underline{V}$ersatile t$\underline{I}$me represen$\underline{TA}$tion learning method for temporal hyper-relational knowledge graphs. We first propose a versatile time representation that can flexibly accommodate all four types of temporal validity of facts (i.e., since, until, period, time-invariant), and then design VITA to effectively learn the time information in both aspects of time value and timespan to boost the link prediction performance. We conduct a thorough evaluation of VITA compared to a sizable collection of baselines on real-world KG datasets. Results show that VITA outperforms the best-performing baselines in various link prediction tasks (predicting missing entities, relations, time, and other numeric literals) by up to 75.3%. Ablation studies and a case study also support our key design choices.
- Abstract（参考訳）: 知識グラフ(KG)は実世界の事実を管理するための効果的なパラダイムとなり、それは複雑であるだけでなく、時間とともに動的に進化する。
事実の時間的妥当性は、しばしば下流リンク予測タスクにおいて強い手がかりとなり、事実の欠落要素を予測する。
時間的KGの伝統的なリンク予測手法は、時間的KGの時間的スナップショットの列をアドホックに定義された時間間隔で考えるか、時間的粒度で有効期間を超えて時間的事実を拡張するかのいずれかであり、これらのアプローチは時間的間隔/粒度の選択の感度に苦しむだけでなく、時間的(無限の)妥当性を持つ事実を扱う際にも計算上の課題に直面している。
最近の超リレーショナルなKGは、事実を記述した修飾子として事実の時間的正当性を表すが、いくつかの事実の無限の正当性の無さと、時間的正当性に関する修飾子から符号化された不十分な情報により、まだ最適ではない。
このような背景から,時間的ハイパーリレーショナル知識グラフのためのVITA, $\underline{V}$ersatile t$\underline{I}$me represen$\underline{TA}$tion learning法を提案する。
まず,4種類の事象の時間的妥当性(すなわち,それまでの時間不変性)を柔軟に順応できる多元的時間表現を提案し,その上でVITAを設計して,時間値と時間パンの両面における時間情報を効果的に学習し,リンク予測性能を向上させる。
我々は,実世界のKGデータセット上のベースラインの膨大なコレクションと比較して,VITAの徹底的な評価を行う。
その結果、VITAは、様々なリンク予測タスク(欠落したエンティティ、関係、時間、その他の数値リテラルを予測する)において、最高のパフォーマンスのベースラインを最大75.3%上回った。
アブレーション研究やケーススタディも重要な設計選択を支持しています。
関連論文リスト
- Learning Granularity Representation for Temporal Knowledge Graph Completion [2.689675451882683]
時間的知識グラフ(TKG)は、実世界の事実の動的な構造的知識と進化的パターンを反映する時間的情報を含んでいる。
本稿では,TKG 補完のための textbfLearning textbfGranularity textbfRepresentation (termed $mathsfLGRe$) を提案する。
グラニュラリティ・ラーニング(GRL)とアダプティブグラニュラリティ・バランシング(AGB)の2つの主要コンポーネントから構成される。
論文 参考訳（メタデータ） (2024-08-27T08:19:34Z) - Temporal Smoothness Regularisers for Neural Link Predictors [8.975480841443272]
TNTComplExのような単純な手法は、最先端の手法よりもはるかに正確な結果が得られることを示す。
また,2つの時間的リンク予測モデルに対する幅広い時間的平滑化正規化の影響についても検討した。
論文 参考訳（メタデータ） (2023-09-16T16:52:49Z) - Temporal Fact Reasoning over Hyper-Relational Knowledge Graphs [22.000981176155662]
ハイパーリレーショナルTKG(HTKG)と呼ばれる新しいタイプのデータ構造を提案する。
HTKG内のすべての事実は、その時間の有効性を明確に示すタイムスタンプと結合される。
このトピックに関する今後の研究を支援するため、データセットとモデルをオープンソースにしています。
論文 参考訳（メタデータ） (2023-07-14T21:29:16Z) - Multivariate Time Series Forecasting with Dynamic Graph Neural ODEs [65.18780403244178]
動的グラフニューラル正規微分方程式(MTGODE)を用いた多変量時系列予測連続モデルを提案する。
具体的には、まず、時間進化するノードの特徴と未知のグラフ構造を持つ動的グラフに多変量時系列を抽象化する。
そして、欠落したグラフトポロジを補完し、空間的および時間的メッセージパッシングを統一するために、ニューラルODEを設計、解決する。
論文 参考訳（メタデータ） (2022-02-17T02:17:31Z) - A Dataset for Answering Time-Sensitive Questions [88.95075983560331]
時間とは、我々の物理的世界において重要な次元である。多くの事実が時間に関して進化することができる。
時間次元を考慮し、既存のQAモデルに時間とともに推論する権限を与えることが重要です。
既存のQAデータセットには、時間に敏感な質問がほとんどないため、モデルの時間的推論能力の診断やベンチマークには適さない。
論文 参考訳（メタデータ） (2021-08-13T16:42:25Z) - Hyperbolic Temporal Knowledge Graph Embeddings with Relational and Time
Curvatures [0.12891210250935145]
知識グラフ(KG)を完成させるためのパラメータとして時間を考える研究がますます増えている。
まず, 正のサンプル数を増やすことで, 最近のAttHモデルは, 時間的KG(TKGs)の最先端技術よりも, 競争力や性能を向上できることを示した。
実験の結果,HerculesとAttHはICEWS04およびICEWS05-15データセット上で,競合的あるいは新しい最先端のパフォーマンスを実現していることがわかった。
論文 参考訳（メタデータ） (2021-06-08T13:13:43Z) - Interpretable Time-series Representation Learning With Multi-Level
Disentanglement [56.38489708031278]
Disentangle Time Series (DTS)は、シーケンシャルデータのための新しいDisentanglement Enhanceingフレームワークである。
DTSは時系列の解釈可能な表現として階層的意味概念を生成する。
DTSは、セマンティック概念の解釈性が高く、下流アプリケーションで優れたパフォーマンスを実現します。
論文 参考訳（メタデータ） (2021-05-17T22:02:24Z) - Temporal Knowledge Graph Reasoning Based on Evolutional Representation
Learning [59.004025528223025]
将来の事実を予測する鍵は、歴史的事実を徹底的に理解することです。
TKGは実際には異なるタイムスタンプに対応するKGのシーケンスである。
グラフ畳み込みネットワーク(GCN)に基づく新しいリカレント進化ネットワークを提案する。
論文 参考訳（メタデータ） (2021-04-21T05:12:21Z) - TeMP: Temporal Message Passing for Temporal Knowledge Graph Completion [45.588053447288566]
時間的知識グラフ(TKGs)に欠落した事実を推測することは、基本的で困難な課題である。
本稿では、グラフニューラルネットワーク、時間力学モデル、データインプット、周波数ベースのゲーティング技術を組み合わせることで、これらの課題に対処するTemporal Message Passing(TeMP)フレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-07T17:11:53Z) - Temporal Common Sense Acquisition with Minimal Supervision [77.8308414884754]
この研究は、時間的常識の明示的で暗黙的な言及を活用する新しいシーケンスモデリング手法を提案する。
本手法は,時間的共通感覚の様々な次元の質予測を行う。
また、時間比較、親子関係、イベントコア参照、時間的QAなど、関連するタスクに対するイベントの表現も生成する。
論文 参考訳（メタデータ） (2020-05-08T22:20:16Z)
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。