論文の概要: Conjugate Relation Modeling for Few-Shot Knowledge Graph Completion

• arxiv url: http://arxiv.org/abs/2510.22656v1
• Date: Sun, 26 Oct 2025 12:38:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:15.31531
• Title: Conjugate Relation Modeling for Few-Shot Knowledge Graph Completion
• Title（参考訳）: ファウショット知識グラフ補完のための共役関係モデリング
• Authors: Zilong Wang, Qingtian Zeng, Hua Duan, Cheng Cheng, Minghao Zou, Ziyang Wang,
• Abstract要約: 知識グラフ補完は、限られたサポートサンプルから欠落したトリプルを推測する。 共役関係モデリングのための新しいフレームワーク(CR-FKGC)を提案する。 3つのベンチマーク実験により,本手法は最先端手法よりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 28.9634566530614
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Few-shot Knowledge Graph Completion (FKGC) infers missing triples from limited support samples, tackling long-tail distribution challenges. Existing methods, however, struggle to capture complex relational patterns and mitigate data sparsity. To address these challenges, we propose a novel FKGC framework for conjugate relation modeling (CR-FKGC). Specifically, it employs a neighborhood aggregation encoder to integrate higher-order neighbor information, a conjugate relation learner combining an implicit conditional diffusion relation module with a stable relation module to capture stable semantics and uncertainty offsets, and a manifold conjugate decoder for efficient evaluation and inference of missing triples in manifold space. Experiments on three benchmarks demonstrate that our method achieves superior performance over state-of-the-art methods.
• Abstract（参考訳）: FKGC(Knowledge Graph Completion)は、限られたサポートサンプルから欠落したトリプルを推測し、ロングテールの分散課題に対処する。 しかし、既存の手法では複雑なリレーショナルパターンをキャプチャし、データの空間性を軽減するのに苦労している。 これらの課題に対処するために、共役関係モデリング(CR-FKGC)のための新しいFKGCフレームワークを提案する。 具体的には、高次隣辺情報を統合するために近傍集約エンコーダ、安定なセマンティクスと不確実なオフセットをキャプチャするために暗黙的条件拡散関係モジュールと安定な関係モジュールを組み合わせた共役関係学習器、多様体空間における欠落三重の効率的な評価と推論のための共役デコーダを用いる。 3つのベンチマーク実験により,本手法は最先端手法よりも優れた性能を示した。

関連論文リスト

• Efficient Perplexity Bound and Ratio Matching in Discrete Diffusion Language Models [0.0]
  データと学習分布のKL分散に関する3つの新しい定理を導入する。 クリーンなデータと破損したデータの相互エントロピーを最小化することにより、スコアエントロピーを利用したモデルよりも優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2025-07-06T10:54:37Z)
• HierRelTriple: Guiding Indoor Layout Generation with Hierarchical Relationship Triplet Losses [52.70183252341687]
  本稿では,空間的関係学習に着目した階層型三重項に基づく屋内関係学習手法HierRelTripleを提案する。 階層型リレーショナル三重項モデリングフレームワークであるHierRelTripleを導入する。 非条件レイアウト合成、フロアプラン条件付きレイアウト生成、シーン再構成の実験により、HierRelは空間関係のメトリクスを15%以上改善することを示した。
  論文  参考訳（メタデータ） (2025-03-26T07:31:52Z)
• Graph Topic Modeling for Documents with Spatial or Covariate Dependencies [0.9208007322096533]
  文書レベルのメタデータをトピックモデリングに組み込むという課題に対処する。 高速グラフ正規化反復特異値分解に基づく新しい推定器を提案する。 合成データセットと実世界の3つのコーパスに関する包括的実験により,本モデルの有効性を検証した。
  論文  参考訳（メタデータ） (2024-12-19T03:00:26Z)
• Divide-and-Conquer: Confluent Triple-Flow Network for RGB-T Salient Object Detection [70.84835546732738]
  RGB-Thermal Salient Object Detectionは、目視と熱赤外画像のペア内の目立つ物体をピンポイントすることを目的としている。 従来のエンコーダ・デコーダアーキテクチャは、欠陥モードから生じるノイズに対する頑健さを十分に考慮していなかったかもしれない。 本稿では,Divide-and-Conquer戦略を用いた,堅牢なConfluent Triple-Flow NetworkであるConTriNetを提案する。
  論文  参考訳（メタデータ） (2024-12-02T14:44:39Z)
• Rectified Diffusion Guidance for Conditional Generation [94.83538269086613]
  CFGの背後にある理論を再検討し、不適切な組合せ係数(textiti.e.)が生成分布を期待的にシフトさせることを厳密に確認する。 提案手法は, 強みを考慮すれば, textbftextitform ソリューションが有効であることを示す。 実世界のデータに関する実証的な証拠は、我々の設計と既存の最先端拡散モデルとの整合性を実証している。
  論文  参考訳（メタデータ） (2024-10-24T13:41:32Z)
• Hypergraph Contrastive Collaborative Filtering [44.8586906335262]
  新たな自己監督型推薦フレームワークHypergraph Contrastive Collaborative Filtering (HCCF)を提案する。 HCCFは、ハイパーグラフを拡張したクロスビューコントラスト学習アーキテクチャと、ローカルおよびグローバルなコラボレーティブな関係をキャプチャする。 提案モデルでは,ハイパーグラフ構造と自己教師付き学習を効果的に統合し,レコメンダシステムの表現品質を向上する。
  論文  参考訳（メタデータ） (2022-04-26T10:06:04Z)
• SAIS: Supervising and Augmenting Intermediate Steps for Document-Level Relation Extraction [51.27558374091491]
  本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。 そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
  論文  参考訳（メタデータ） (2021-09-24T17:37:35Z)
• Semantic Correspondence with Transformers [68.37049687360705]
  本稿では,変換器を用いたコストアグリゲーション(CAT)を提案し,意味論的に類似した画像間の密接な対応を見出す。 初期相関マップと多レベルアグリゲーションを曖昧にするための外観親和性モデリングを含む。 提案手法の有効性を示す実験を行い,広範囲にわたるアブレーション研究を行った。
  論文  参考訳（メタデータ） (2021-06-04T14:39:03Z)
• Autoregressive Score Matching [113.4502004812927]
  自動回帰条件スコアモデル(AR-CSM)を提案する。 AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。 本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
  論文  参考訳（メタデータ） (2020-10-24T07:01:24Z)

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。