論文の概要: A Multi-Expert Structural-Semantic Hybrid Framework for Unveiling Historical Patterns in Temporal Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2506.14235v1
• Date: Tue, 17 Jun 2025 06:49:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.364321
• Title: A Multi-Expert Structural-Semantic Hybrid Framework for Unveiling Historical Patterns in Temporal Knowledge Graphs
• Title（参考訳）: 時間的知識グラフにおける履歴パターンの展開のための多機能構造意味ハイブリッドフレームワーク
• Authors: Yimin Deng, Yuxia Wu, Yejing Wang, Guoshuai Zhao, Li Zhu, Qidong Liu, Derong Xu, Zichuan Fu, Xian Wu, Yefeng Zheng, Xiangyu Zhao, Xueming Qian,
• Abstract要約: 時間的知識グラフ推論は、既存の事実の知識で将来の事象を予測することを目的としており、下流の様々なタスクにおいて重要な役割を果たす。 従来の手法では、グラフ構造学習や意味推論に重点を置いていたが、二重推論の視点を統合できなかった。 構造情報と意味情報の両方を統合するために3種類の専門家モジュールを利用する多機能構造意味ハイブリッドフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 66.98208997876783
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Temporal knowledge graph reasoning aims to predict future events with knowledge of existing facts and plays a key role in various downstream tasks. Previous methods focused on either graph structure learning or semantic reasoning, failing to integrate dual reasoning perspectives to handle different prediction scenarios. Moreover, they lack the capability to capture the inherent differences between historical and non-historical events, which limits their generalization across different temporal contexts. To this end, we propose a Multi-Expert Structural-Semantic Hybrid (MESH) framework that employs three kinds of expert modules to integrate both structural and semantic information, guiding the reasoning process for different events. Extensive experiments on three datasets demonstrate the effectiveness of our approach.
• Abstract（参考訳）: 時間的知識グラフ推論は、既存の事実の知識で将来の事象を予測することを目的としており、下流の様々なタスクにおいて重要な役割を果たす。 これまでは、グラフ構造学習やセマンティック推論に重点を置いていたが、異なる予測シナリオを扱うために2つの推論の観点を統合することができなかった。 さらに、歴史的事象と非歴史的事象の固有の相違を捉える能力が欠如しており、時間的文脈によって一般化が制限されている。 この目的のために,3種類の専門家モジュールを用いた多機能構造意味ハイブリッド(MESH)フレームワークを提案する。 3つの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する。

関連論文リスト

• Historically Relevant Event Structuring for Temporal Knowledge Graph Reasoning [4.705577684291238]
  時間的知識グラフ(TKG)推論は、タイムライン上に配布されたスナップショット内の履歴情報を通じてイベントを予測することに焦点を当てる。 我々は、textbfHistorally textbfRelevant textbfEvents textbfStructuring (HisRES) に対する革新的なTKG推論手法を提案する。
  論文  参考訳（メタデータ） (2024-05-17T08:33:43Z)
• Unified View of Grokking, Double Descent and Emergent Abilities: A Perspective from Circuits Competition [83.13280812128411]
  近年の研究では、グラッキング、二重降下、大規模言語モデルにおける創発的能力など、ディープラーニングにおける興味深い現象が明らかにされている。 本稿では,記憶回路と一般化回路の競合に着目し,これら3つの現象の統一的な見方を提供する包括的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-02-23T08:14:36Z)
• An Empirical Study: Extensive Deep Temporal Point Process [61.14164208094238]
  本稿では,非同期イベントシーケンスを時間的プロセスでモデル化することの課題と最近の研究を概観する。 本稿では,多種類のイベント間の関係を生かしたGranger因果発見フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-19T10:15:00Z)
• 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)
• Detecting Ongoing Events Using Contextual Word and Sentence Embeddings [110.83289076967895]
  本稿では,OED(Ongoing Event Detection)タスクを紹介する。 目的は、歴史、未来、仮説、あるいは新しいものでも現在のものでもない他の形式や出来事に対してのみ、進行中のイベントの言及を検出することである。 構造化されていないテキストから進行中のイベントに関する構造化情報を抽出する必要があるアプリケーションは、OEDシステムを利用することができる。
  論文  参考訳（メタデータ） (2020-07-02T20:44:05Z)

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。