論文の概要: Advances in Logic-Based Entity Resolution: Enhancing ASPEN with Local Merges and Optimality Criteria

• arxiv url: http://arxiv.org/abs/2508.10504v1
• Date: Thu, 14 Aug 2025 10:05:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.270407
• Title: Advances in Logic-Based Entity Resolution: Enhancing ASPEN with Local Merges and Optimality Criteria
• Title（参考訳）: ロジックベースのエンティティ解決の進歩 - ローカルマージと最適基準によるASPENの強化
• Authors: Zhliang Xiang, Meghyn Bienvenu, Gianluca Cima, Víctor Gutiérrez-Basulto, Yazmín Ibáñez-García,
• Abstract要約: 本稿では,既存の ASP ベースのシステムである ASPEN+ を,集合体解決のために拡張した ASPEN+ を提案する。 ローカルマージのサポートと、好みのソリューションに対する新しい最適基準を提供する。
• 参考スコア（独自算出の注目度）: 11.111388829965101
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we present ASPEN+, which extends an existing ASP-based system, ASPEN,for collective entity resolution with two important functionalities: support for local merges and new optimality criteria for preferred solutions. Indeed, ASPEN only supports so-called global merges of entity-referring constants (e.g. author ids), in which all occurrences of matched constants are treated as equivalent and merged accordingly. However, it has been argued that when resolving data values, local merges are often more appropriate, as e.g. some instances of 'J. Lee' may refer to 'Joy Lee', while others should be matched with 'Jake Lee'. In addition to allowing such local merges, ASPEN+ offers new optimality criteria for selecting solutions, such as minimizing rule violations or maximising the number of rules supporting a merge. Our main contributions are thus (1) the formalisation and computational analysis of various notions of optimal solution, and (2) an extensive experimental evaluation on real-world datasets, demonstrating the effect of local merges and the new optimality criteria on both accuracy and runtime.
• Abstract（参考訳）: 本稿では,既存の ASP ベースシステムである ASPEN+ を拡張した ASPEN+ を提案する。 実際、ASPENはエンティティ参照定数(例えば著者ID)のいわゆるグローバルマージしかサポートしていない。 しかし、「J・リー」の例では「ジョイ・リー」を、他の例では「ジェイク・リー」を「ジェイク・リー」と呼ぶこともある。 このようなローカルマージを可能にすることに加えて、ASPEN+は、ルール違反の最小化やマージをサポートするルール数の最大化など、ソリューションを選択するための新しい最適基準を提供する。 本研究の主な貢献は,(1)最適解の様々な概念の定式化と計算解析,(2)実世界のデータセットに対する広範な実験的評価,(2)局所的なマージの効果,および新しい最適性基準が精度と実行時間の両方に与える影響を実証することである。

関連論文リスト

• Improving LLM-based Global Optimization with Search Space Partitioning [40.61249592871905]
  大規模言語モデル(LLM)は、グローバル最適化フレームワーク内で有効な代理モデルと候補ジェネレータとして登場した。 HOLLMは,探索空間を有望な部分領域に分割することでLLM駆動サンプリングを強化する,新しいグローバル最適化アルゴリズムである。 標準最適化ベンチマークの実証的な評価は、HOLLMがベイズ最適化と信頼領域法に一貫して適合するか、超越していることを示している。
  論文  参考訳（メタデータ） (2025-05-27T16:01:49Z)
• Client-Centric Federated Adaptive Optimization [78.30827455292827]
  Federated Learning(FL)は、クライアントが独自のデータをプライベートに保ちながら、協調的にモデルをトレーニングする分散学習パラダイムである。 本稿では,新しいフェデレーション最適化手法のクラスであるフェデレーション中心適応最適化を提案する。
  論文  参考訳（メタデータ） (2025-01-17T04:00:50Z)
• LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning [56.273799410256075]
  このフレームワークはMonte Carlo Tree Search (MCTS)と反復的なSelf-Refineを組み合わせて推論パスを最適化する。 このフレームワークは、一般的なベンチマークと高度なベンチマークでテストされており、探索効率と問題解決能力の点で優れた性能を示している。
  論文  参考訳（メタデータ） (2024-10-03T18:12:29Z)
• LLM4Rerank: LLM-based Auto-Reranking Framework for Recommendations [51.76373105981212]
  リグレードはレコメンデーションシステムにおいて重要な要素であり、レコメンデーションアルゴリズムの出力を精査する上で重要な役割を果たす。 そこで我々は,様々な格付け基準をシームレスに統合する包括的格付けフレームワークを提案する。 カスタマイズ可能な入力機構も統合されており、言語モデルのフォーカスを特定の再配置のニーズに合わせることができる。
  論文  参考訳（メタデータ） (2024-06-18T09:29:18Z)
• Relational Proxies: Emergent Relationships as Fine-Grained Discriminators [52.17542855760418]
  本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。 我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。 また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
  論文  参考訳（メタデータ） (2022-10-05T11:08:04Z)
• Disentangled Federated Learning for Tackling Attributes Skew via Invariant Aggregation and Diversity Transferring [104.19414150171472]
  属性は、クライアント間の一貫した最適化方向から、現在の連邦学習(FL)フレームワークを歪めます。 本稿では,ドメイン固有属性とクロス不変属性を2つの補足枝に分離するために,非絡み付きフェデレーション学習(DFL)を提案する。 実験により、DFLはSOTA FL法と比較して高い性能、より良い解釈可能性、より高速な収束率でFLを促進することが確認された。
  論文  参考訳（メタデータ） (2022-06-14T13:12:12Z)
• Scalable Distributional Robustness in a Class of Non Convex Optimization with Guarantees [7.541571634887807]
  分散ロバスト最適化 (DRO) は, サンプルベース問題と同様に, 学習におけるロバスト性を示す。 実世界における課題を解くのに十分ではない混合整数クラスタリングプログラム (MISOCP) を提案する。
  論文  参考訳（メタデータ） (2022-05-31T09:07:01Z)
• Convergence Rates of Average-Reward Multi-agent Reinforcement Learning via Randomized Linear Programming [41.30044824711509]
  我々は,グローバル報酬が地域報酬の総和であり,共同政策がエージェントの限界と州全体の可観測性に分解される場合に焦点を当てる。 エージェントが局所的なサドル点問題を解き、局所的な重み付き平均化を行うマルチエージェント拡張を開発する。 準グロブリー最適解を得るためのサンプルの複雑さは、状態空間と作用空間の濃度に対する厳密な依存と一致することを確かめる。
  論文  参考訳（メタデータ） (2021-10-22T03:48:41Z)
• Reinforcement Learning based Collective Entity Alignment with Adaptive Features [35.04861875266298]
  本稿では,エンティティを集合的にアライメントする強化学習(RL)モデルを提案する。 RLフレームワークでは、相互依存と集団アライメントを特徴付けるコヒーレンスと排他的性制約を考案しています。 提案手法は,言語横断型と単言語型の両方のEAベンチマークで評価し,最先端のソリューションと比較した。
  論文  参考訳（メタデータ） (2021-01-05T05:04:09Z)

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。