論文の概要: REDELEX: A Framework for Relational Deep Learning Exploration

• arxiv url: http://arxiv.org/abs/2506.22199v1
• Date: Fri, 27 Jun 2025 13:05:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.208128
• Title: REDELEX: A Framework for Relational Deep Learning Exploration
• Title（参考訳）: REDELEX:リレーショナルディープラーニング探索のためのフレームワーク
• Authors: Jakub Peleška, Gustav Šír,
• Abstract要約: 近年、深層学習は、RDBをグラフ構造として概念化する新しいパラダイムとして登場した。 様々なRDLモデルと基礎となるRDBの特徴との関係について分析することができない。 REDELEX$-$aの総合的な探査フレームワークを70以上のRDBの最も多様なコレクション上で、様々な複雑さのRDLモデルを評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Relational databases (RDBs) are widely regarded as the gold standard for storing structured information. Consequently, predictive tasks leveraging this data format hold significant application promise. Recently, Relational Deep Learning (RDL) has emerged as a novel paradigm wherein RDBs are conceptualized as graph structures, enabling the application of various graph neural architectures to effectively address these tasks. However, given its novelty, there is a lack of analysis into the relationships between the performance of various RDL models and the characteristics of the underlying RDBs. In this study, we present REDELEX$-$a comprehensive exploration framework for evaluating RDL models of varying complexity on the most diverse collection of over 70 RDBs, which we make available to the community. Benchmarked alongside key representatives of classic methods, we confirm the generally superior performance of RDL while providing insights into the main factors shaping performance, including model complexity, database sizes and their structural properties.
• Abstract（参考訳）: リレーショナルデータベース(RDB)は構造化情報を保存するための金の標準として広く見なされている。 その結果、このデータフォーマットを活用する予測タスクは、アプリケーションの大きな約束を守ります。 近年、リレーショナルディープラーニング(RDL)は、RDBがグラフ構造として概念化され、様々なグラフニューラルネットワークアーキテクチャがこれらのタスクに効果的に対処できる新しいパラダイムとして登場した。 しかし、その斬新さを考えると、様々なRDLモデルの性能と基礎となるRDBの特性との関係について、分析の欠如がある。 本稿では,70以上のRDBの多種多様なコレクション上で,様々な複雑性のRDLモデルを評価するための総合的な調査フレームワークREDELEXについて述べる。 古典的手法の主要な代表者とともにベンチマークを行い、RDLの概して優れた性能を確認し、モデルの複雑さ、データベースのサイズ、構造的特性など、パフォーマンスを形作る主な要因について考察する。

関連論文リスト

• Relational Deep Learning: Challenges, Foundations and Next-Generation Architectures [50.46688111973999]
  グラフ機械学習は、任意のグラフ構造化データで学習するモデルの能力を大幅に向上させた。 従来の工学的特徴を伴わない'関係エンティティグラフ'のエンドツーエンド表現を可能にする新しい青写真を提案する。 本稿では、大規模マルチテーブル統合や、時間力学と異種データのモデリングの複雑さなど、重要な課題について論じる。
  論文  参考訳（メタデータ） (2025-06-19T23:51:38Z)
• RDB2G-Bench: A Comprehensive Benchmark for Automatic Graph Modeling of Relational Databases [23.836665904554426]
  RDB-to-graphモデリングは、クロステーブルな依存関係をキャプチャするのに役立つ。 グラフモデリングに共通のルールを適用すると、最高のグラフモデルと比較して10%パフォーマンスが低下します。 我々は,そのような手法を評価するための最初のベンチマークフレームワークであるRDB2Gを紹介する。
  論文  参考訳（メタデータ） (2025-06-02T06:34:10Z)
• Retrieval-Augmented Generation of Ontologies from Relational Databases [13.160850863758]
  本稿では、RDBオントロジーの検索拡張反復生成であるRIGORについて述べる。 リレーショナルを人間の最小限の労力でリッチスキーマに変換するアプローチが紹介されている。
  論文  参考訳（メタデータ） (2025-06-02T01:10:05Z)
• RelGNN: Composite Message Passing for Relational Deep Learning [56.48834369525997]
  RelGNNはリレーショナルデータベースから構築されたグラフのユニークな構造特性を活用するために特別に設計された新しいGNNフレームワークである。 RelGNNは、Relbench(Fey et al., 2024)から30の多様な実世界のタスクで評価され、ほとんどのタスクで最先端のパフォーマンスを実現し、最大25%の改善を実現している。
  論文  参考訳（メタデータ） (2025-02-10T18:58:40Z)
• RelBench: A Benchmark for Deep Learning on Relational Databases [78.52438155603781]
  本稿では,グラフニューラルネットワークを用いたデータベース上でタスクを解くための公開ベンチマークであるRelBenchを紹介する。 私たちはRelBenchを使って、ディープラーニングインフラストラクチャに関する初の総合的な研究を行っています。 RDLは、人間の作業量を1桁以上削減しながら、より良く学習する。
  論文  参考訳（メタデータ） (2024-07-29T14:46:13Z)
• Relation Extraction with Fine-Tuned Large Language Models in Retrieval Augmented Generation Frameworks [0.0]
  関係抽出(RE)は、構造化されていないデータを知識グラフ(KG)のような構造化形式に変換するために重要である プレトレーニング言語モデル(PLM)を活用した最近の研究は、この分野で大きな成功を収めている。 本研究では、微調整LDMの性能と、Retrieval Augmented-based (RAG) REアプローチへの統合について検討する。
  論文  参考訳（メタデータ） (2024-06-20T21:27:57Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)

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。