論文の概要: A Survey of Link Prediction in N-ary Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2506.08970v1
- Date: Tue, 10 Jun 2025 16:44:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 15:11:42.876638
- Title: A Survey of Link Prediction in N-ary Knowledge Graphs
- Title（参考訳）: N-ary Knowledge Graphsにおけるリンク予測に関する調査
- Authors: Jiyao Wei, Saiping Guan, Da Li, Xiaolong Jin, Jiafeng Guo, Xueqi Cheng,
- Abstract要約: N-ary Knowledge Graphs (NKG) は、複雑な現実世界の事実を効率的に表現するために設計された知識グラフの一種である。
NKGsのリンク予測は、これらのn-ary事実の欠落要素を予測することを目的としている。
本稿ではNKGにおけるリンク予測の包括的調査について述べる。
- 参考スコア（独自算出の注目度）: 70.45498073833213
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: N-ary Knowledge Graphs (NKGs) are a specialized type of knowledge graph designed to efficiently represent complex real-world facts. Unlike traditional knowledge graphs, where a fact typically involves two entities, NKGs can capture n-ary facts containing more than two entities. Link prediction in NKGs aims to predict missing elements within these n-ary facts, which is essential for completing NKGs and improving the performance of downstream applications. This task has recently gained significant attention. In this paper, we present the first comprehensive survey of link prediction in NKGs, providing an overview of the field, systematically categorizing existing methods, and analyzing their performance and application scenarios. We also outline promising directions for future research.
- Abstract（参考訳）: N-ary Knowledge Graphs (NKG) は、複雑な現実世界の事実を効率的に表現するために設計された知識グラフの一種である。
ある事実が通常2つの実体を含む伝統的な知識グラフとは異なり、NKGは2つ以上の実体を含むn-ary事実をキャプチャすることができる。
NKGのリンク予測は、NKGの完成と下流アプリケーションの性能向上に不可欠である、これらのn-ary事実の欠落要素を予測することを目的としている。
この仕事は近年大きな注目を集めている。
本稿では、NKGにおけるリンク予測に関する最初の総合的な調査を行い、その分野の概要を提供し、既存の手法を体系的に分類し、その性能と応用シナリオを分析する。
今後の研究の今後の方向性についても概説する。
関連論文リスト
- A Study on Knowledge Graph Embeddings and Graph Neural Networks for Web
Of Things [0.0]
将来的には、Web Of Things(WoT)の領域における知識グラフは、物理世界のデジタル表現を提供することである。
本稿では,グラフエンティティの数値表現を学習するために,最先端知識グラフ埋め込み(KGE)法について検討する。
また、KGEとともにグラフニューラルネットワーク(GNN)を調査し、同じ下流タスクでの性能を比較する。
論文 参考訳（メタデータ） (2023-10-23T12:36:33Z) - Text2NKG: Fine-Grained N-ary Relation Extraction for N-ary relational Knowledge Graph Construction [20.281505340983035]
Text2NKGは,n-aryリレーショナル知識グラフ構築のための,新しいn-aryリレーショナル抽出フレームワークである。
ヘテロオーダーのマージと出力マージを併用したスパンタプル分類手法を導入し,異なるアリティにおけるn-項関係抽出を実現する。
論文 参考訳（メタデータ） (2023-10-08T14:47:13Z) - DEGREE: Decomposition Based Explanation For Graph Neural Networks [55.38873296761104]
我々は,GNN予測に対する忠実な説明を提供するためにDGREEを提案する。
GNNの情報生成と集約機構を分解することにより、DECREEは入力グラフの特定のコンポーネントのコントリビューションを最終的な予測に追跡することができる。
また,従来の手法で見過ごされるグラフノード間の複雑な相互作用を明らかにするために,サブグラフレベルの解釈アルゴリズムを設計する。
論文 参考訳（メタデータ） (2023-05-22T10:29:52Z) - Mitigating Relational Bias on Knowledge Graphs [51.346018842327865]
マルチホップバイアスを同時に緩和し,知識グラフにおけるエンティティとリレーションの近接情報を保存するフレームワークであるFair-KGNNを提案する。
ジェンダー占有とナショナリティ・サリーバイアスを軽減するために,2つの最先端KGNNモデル(RCCNとCompGCN)を組み込んだFair-KGNNの2例を開発した。
論文 参考訳（メタデータ） (2022-11-26T05:55:34Z) - Explainable Sparse Knowledge Graph Completion via High-order Graph
Reasoning Network [111.67744771462873]
本稿では,スパース知識グラフ(KG)のための新しい説明可能なモデルを提案する。
高次推論をグラフ畳み込みネットワーク、すなわちHoGRNに結合する。
情報不足を緩和する一般化能力を向上させるだけでなく、解釈可能性も向上する。
論文 参考訳（メタデータ） (2022-07-14T10:16:56Z) - An Analysis of Attentive Walk-Aggregating Graph Neural Networks [34.866935881726256]
グラフニューラルネットワーク(GNN)は強力な表現力を持っていることが示されている。
AWAREと呼ばれる新しいGNNモデルを提案し、アテンションスキームを用いて、グラフ内のウォークに関する情報を集約する。
論文 参考訳（メタデータ） (2021-10-06T11:41:12Z) - Node Masking: Making Graph Neural Networks Generalize and Scale Better [71.51292866945471]
グラフニューラルネットワーク(GNN)は近年,多くの関心を集めている。
本稿では,芸術空間のGNNの状態によって実行される操作をよりよく可視化するために,いくつかの理論ツールを利用する。
私たちはNode Maskingというシンプルなコンセプトを導入しました。
論文 参考訳（メタデータ） (2020-01-17T06:26:40Z)
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。