論文の概要: Knowledge Graph Completion for Action Prediction on Situational Graphs -- A Case Study on Household Tasks

• arxiv url: http://arxiv.org/abs/2508.13675v1
• Date: Tue, 19 Aug 2025 09:24:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.876351
• Title: Knowledge Graph Completion for Action Prediction on Situational Graphs -- A Case Study on Household Tasks
• Title（参考訳）: 状況図における行動予測のための知識グラフ補完 -家庭内課題を事例として-
• Authors: Mariam Arustashvili, Jörg Deigmöller, Heiko Paulheim,
• Abstract要約: 本研究では,家庭用ロボットの制御や映像解析に有用である家庭用行動に関する知識グラフについて検討する。 後者の場合、ビデオから抽出された情報は不完全であることが知られており、状況画像を強化するための知識グラフの完成が不可欠である。 標準的なリンク予測問題ではあるものの、状況知識グラフには、多くのリンク予測アルゴリズムがジョブに適さない特別な特徴があり、単純なベースラインよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 1.6658912537684454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge Graphs are used for various purposes, including business applications, biomedical analyses, or digital twins in industry 4.0. In this paper, we investigate knowledge graphs describing household actions, which are beneficial for controlling household robots and analyzing video footage. In the latter case, the information extracted from videos is notoriously incomplete, and completing the knowledge graph for enhancing the situational picture is essential. In this paper, we show that, while a standard link prediction problem, situational knowledge graphs have special characteristics that render many link prediction algorithms not fit for the job, and unable to outperform even simple baselines.
• Abstract（参考訳）: 知識グラフは、ビジネスアプリケーション、バイオメディカル分析、産業4.0におけるデジタルツインなど、様々な目的で使用されている。 本稿では,家庭内ロボットの制御や映像解析に有用な,家庭内行動を記述する知識グラフについて検討する。 後者の場合、ビデオから抽出された情報は不完全であることが知られており、状況画像を強化するための知識グラフの完成が不可欠である。 本稿では,標準的なリンク予測問題ではあるものの,状況知識グラフには,多くのリンク予測アルゴリズムがジョブに適合せず,単純なベースラインを上回りきれない特別な特徴があることを示す。

関連論文リスト

• What Do LLMs Need to Understand Graphs: A Survey of Parametric Representation of Graphs [69.48708136448694]
  大規模言語モデル(LLM)は、期待される推論能力と推論能力のために、AIコミュニティで再編成されている。 我々は、グラフのこのようなパラメトリック表現、グラフ法則は、LLMがグラフデータを入力として理解させるソリューションであると信じている。
  論文  参考訳（メタデータ） (2024-10-16T00:01:31Z)
• Graph Domain Adaptation: Challenges, Progress and Prospects [61.9048172631524]
  本稿では,グラフ間の効果的な知識伝達パラダイムとしてグラフ領域適応を提案する。 GDAは、ソースグラフとしてタスク関連のグラフを多数導入し、ソースグラフから学習した知識をターゲットグラフに適応させる。 研究状況と課題について概説し、分類学を提案し、代表作の詳細を紹介し、今後の展望について論じる。
  論文  参考訳（メタデータ） (2024-02-01T02:44:32Z)
• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• Towards Loosely-Coupling Knowledge Graph Embeddings and Ontology-based Reasoning [15.703028753526022]
  我々は、知識グラフの埋め込みにおけるデータ駆動力と、専門家や包摂体制から生じるドメイン固有の推論(OWL2)とを緩やかに結合することを提案する。 最初の結果から,バニラ知識グラフ埋め込みのMRR精度を最大3倍に向上し,知識グラフ埋め込みとルールマイニング,最大3.5倍MRRの推論を組み合わせたハイブリッドソリューションより優れていた。
  論文  参考訳（メタデータ） (2022-02-07T14:01:49Z)
• Out-of-Sample Representation Learning for Multi-Relational Graphs [8.956321788625894]
  非分散知識グラフに対するアウトオブサンプル表現学習問題について検討する。 このタスクのためのベンチマークデータセットを作成し、いくつかのモデルとベースラインを開発し、提案したモデルとベースラインの実証分析と比較を提供する。
  論文  参考訳（メタデータ） (2020-04-28T00:53:01Z)
• A Survey of Adversarial Learning on Graphs [59.21341359399431]
  本稿では,グラフ逆学習タスクに関する既存の研究を考察し,要約する。 具体的には、グラフ解析タスクにおける攻撃と防御に関する既存の作業を調査し、統一する。 我々は、関連する評価指標の重要性を強調し、それらを総合的に調査し、要約する。
  論文  参考訳（メタデータ） (2020-03-10T12:48:00Z)
• Uncertainty Weighted Causal Graphs [0.0]
  因果関係は伝統的に、影響に関係して知識を生み出す科学的方法であった。 引用グラフにおける不確実性の管理を確率論的に改善することで、グラフの不確実性をさらにモデル化しようと試みる。
  論文  参考訳（メタデータ） (2020-02-02T16:32:04Z)

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。