論文の概要: DBLPLink 2.0 -- An Entity Linker for the DBLP Scholarly Knowledge Graph

• arxiv url: http://arxiv.org/abs/2507.22811v1
• Date: Wed, 30 Jul 2025 16:29:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 16:14:18.32622
• Title: DBLPLink 2.0 -- An Entity Linker for the DBLP Scholarly Knowledge Graph
• Title（参考訳）: DBLPLink 2.0 -- DBLP Scholarly Knowledge Graph用のエンティティリンカ
• Authors: Debayan Banerjee, Tilahun Abedissa Taffa, Ricardo Usbeck,
• Abstract要約: 本稿では,DBLP の RDF ベースの知識グラフの 2025 バージョンに対するエンティティリンカを提案する。 2022年版と比較すると、DBLPは出版会場をdblp:Streamと呼ばれる新しいエンティティタイプと見なしている。
• 参考スコア（独自算出の注目度）: 8.105516788827453
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work we present an entity linker for DBLP's 2025 version of RDF-based Knowledge Graph. Compared to the 2022 version, DBLP now considers publication venues as a new entity type called dblp:Stream. In the earlier version of DBLPLink, we trained KG-embeddings and re-rankers on a dataset to produce entity linkings. In contrast, in this work, we develop a zero-shot entity linker using LLMs using a novel method, where we re-rank candidate entities based on the log-probabilities of the "yes" token output at the penultimate layer of the LLM.
• Abstract（参考訳）: 本稿では,DBLP の RDF ベースの知識グラフの 2025 バージョンに対するエンティティリンカを提案する。 2022年版と比較すると、DBLPは出版会場をdblp:Streamと呼ばれる新しいエンティティタイプと見なしている。 DBLPLinkの初期バージョンでは、データセット上のKG埋め込みと再ランカをトレーニングして、エンティティリンクを生成しました。 対照的に,本研究では, LLMの垂直層における"yes"トークン出力の対数確率に基づいて候補エンティティを再配置する,新しい手法を用いてゼロショットエンティティリンカを開発する。

関連論文リスト

• Large Language Models are Good Relational Learners [55.40941576497973]
  本稿では,グラフニューラルネットワーク(GNN)に基づくエンコーダを用いて,大規模言語モデル(LLM)のための構造化リレーショナルプロンプトを生成する新しいアーキテクチャであるRel-LLMを紹介する。 従来のテキストベースのシリアライズ手法とは異なり,本手法はデータベース固有の関係構造を保ちながら,LLMが複雑なエンティティ関係を処理・推論することを可能にする。
  論文  参考訳（メタデータ） (2025-06-06T04:07:55Z)
• CypherBench: Towards Precise Retrieval over Full-scale Modern Knowledge Graphs in the LLM Era [4.369550829556578]
  我々はCypherBenchを紹介した。CypherBenchは11の大規模マルチドメインプロパティグラフを持つ最初のベンチマークで、780万のエンティティと10,000以上の質問がある。 本稿では,Cypher を用いて LLM で効率的にクエリ可能な RDF グラフの上のプロパティグラフビューを提案する。
  論文  参考訳（メタデータ） (2024-12-24T23:22:04Z)
• Text-like Encoding of Collaborative Information in Large Language Models for Recommendation [58.87865271693269]
  BinLLMはLarge Language Models for Recommendation (LLMRec)とシームレスに連携する新しい手法である。 BinLLMは、外部モデルからの協調的な埋め込みをバイナリシーケンスに変換する。 BinLLMは、ドット決定記法を用いてバイナリシーケンスを圧縮するオプションを提供し、過度に長い長さを避ける。
  論文  参考訳（メタデータ） (2024-06-05T12:45:25Z)
• Entity Disambiguation via Fusion Entity Decoding [68.77265315142296]
  より詳細なエンティティ記述を持つエンティティを曖昧にするためのエンコーダ・デコーダモデルを提案する。 GERBILベンチマークでは、EntQAと比較して、エンド・ツー・エンドのエンティティリンクが+1.5%改善されている。
  論文  参考訳（メタデータ） (2024-04-02T04:27:54Z)
• DBLPLink: An Entity Linker for the DBLP Scholarly Knowledge Graph [24.458076050953736]
  本稿ではDBLP知識グラフ上でエンティティリンクを行うDBLPLinkというWebアプリケーションを提案する。 DBLPLinkは、T5のようなテキストからテキストまでの事前訓練された言語モデルを使用して、入力されたテキスト質問からエンティティラベルスパンを生成する。 結果は、ユーザが使用するT5-small、T5-baseと異なるKG埋め込みの結果を比較、比較できるように表示される。
  論文  参考訳（メタデータ） (2023-09-14T09:15:36Z)
• TempEL: Linking Dynamically Evolving and Newly Emerging Entities [50.980331847622026]
  進化を続ける世界では、エンティティは時間とともに変化し、これまで存在していなかった、あるいは未知の、新しいエンティティが現れます。 本研究では,この進化シナリオが,十分に確立されたエンティティリンク(EL)タスクの性能に与える影響について検討する。 我々は,2013年から2022年までの英語ウィキペディアスナップショットからなるエンティティリンクデータセットであるTempELを紹介した。
  論文  参考訳（メタデータ） (2023-02-05T22:34:36Z)
• Proton: Probing Schema Linking Information from Pre-trained Language Models for Text-to-SQL Parsing [66.55478402233399]
  本稿では,ポアンカー距離測定に基づく探索手法を用いて,関係構造を抽出する枠組みを提案する。 スキーマリンクの一般的なルールベース手法と比較して,探索関係は意味的対応をしっかりと捉えることができることがわかった。 我々のフレームワークは3つのベンチマークで最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2022-06-28T14:05:25Z)
• Improving Candidate Retrieval with Entity Profile Generation for Wikidata Entity Linking [76.00737707718795]
  本稿では,エンティティ・プロファイリングに基づく新しい候補探索パラダイムを提案する。 我々は、このプロファイルを使用してインデックス付き検索エンジンに問い合わせ、候補エンティティを検索する。 本手法は,ウィキペディアのアンカーテキスト辞書を用いた従来の手法を補完するものである。
  論文  参考訳（メタデータ） (2022-02-27T17:38:53Z)

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。