論文の概要: MemoriesDB: A Temporal-Semantic-Relational Database for Long-Term Agent Memory / Modeling Experience as a Graph of Temporal-Semantic Surfaces

• arxiv url: http://arxiv.org/abs/2511.06179v1
• Date: Sun, 09 Nov 2025 01:41:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.795664
• Title: MemoriesDB: A Temporal-Semantic-Relational Database for Long-Term Agent Memory / Modeling Experience as a Graph of Temporal-Semantic Surfaces
• Title（参考訳）: MemoriesDB: テンポラル・セマンティック・リレーショナルデータベース - テンポラル・セマンティック・サーフェスのグラフとしての長期エージェントメモリ/モデリングエクスペリエンス
• Authors: Joel Ward,
• Abstract要約: 我々はMemoriesDBを紹介した。MemoriesDBは時間的、意味的、関係的な非一貫性を避けるために設計された統一データアーキテクチャである。 それぞれのメモリはタイムセマンティック・リレーショナルなエンティティであり、イベントが発生した時に同時にエンコードし、それが何を意味するのか、どのように他のイベントに接続するかを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce MemoriesDB, a unified data architecture designed to avoid decoherence across time, meaning, and relation in long-term computational memory. Each memory is a time-semantic-relational entity-a structure that simultaneously encodes when an event occurred, what it means, and how it connects to other events. Built initially atop PostgreSQL with pgvector extensions, MemoriesDB combines the properties of a time-series datastore, a vector database, and a graph system within a single append-only schema. Each memory is represented as a vertex uniquely labeled by its microsecond timestamp and accompanied by low- and high-dimensional normalized embeddings that capture semantic context. Directed edges between memories form labeled relations with per-edge metadata, enabling multiple contextual links between the same vertices. Together these constructs form a time-indexed stack of temporal-semantic surfaces, where edges project as directional arrows in a 1+1-dimensional similarity field, tracing the evolution of meaning through time while maintaining cross-temporal coherence. This formulation supports efficient time-bounded retrieval, hybrid semantic search, and lightweight structural reasoning in a single query path. A working prototype demonstrates scalable recall and contextual reinforcement using standard relational infrastructure, and we discuss extensions toward a columnar backend, distributed clustering, and emergent topic modeling.
• Abstract（参考訳）: 本稿では,長期記憶におけるデコヒーレンス,意味,関係性を回避するために設計された統合データアーキテクチャであるMemoriesDBを紹介する。 それぞれのメモリはタイムセマンティック・リレーショナルなエンティティー構造で、イベントが発生した時に同時にエンコードし、それが何を意味するのか、どのように他のイベントに接続するかを示す。 当初、PostgreSQL上にpgvector拡張を組み込んだMemoriesDBは、時系列データストア、ベクトルデータベース、グラフシステムのプロパティを、単一の追加のみのスキーマ内で結合する。 各メモリは、マイクロ秒タイムスタンプによって一意にラベル付けされた頂点として表現され、セマンティックコンテキストをキャプチャする低次元および高次元の正規化埋め込みを伴う。 メモリ間の方向付けされたエッジは、エッジ毎のメタデータとのラベル付き関係を形成し、同じ頂点間の複数のコンテキストリンクを可能にする。 これらの構成物は時間インデクシングされた時間-意味面のスタックを形成し、エッジは1+1次元の類似性フィールドに方向矢印として投影され、時間的コヒーレンスを維持しながら意味の進化をトレースする。 この定式化は、効率的な時間境界検索、ハイブリッドセマンティック検索、単一クエリパスでの軽量な構造推論をサポートする。 作業プロトタイプでは、標準的なリレーショナルインフラストラクチャを使用したスケーラブルなリコールとコンテキスト強化を実証し、列指向バックエンド、分散クラスタリング、創発的トピックモデリングへの拡張について議論する。

関連論文リスト

• Integrating Temporal and Structural Context in Graph Transformers for Relational Deep Learning [6.780460717949915]
  直近の領域を越えてノードを検索することで,グローバルなコンテキストを向上する時空間サブグラフサンプリング手法を提案する。 また,リレーショナルディープラーニングのためのグラフトランスフォーマーアーキテクチャであるGraph Perceiver (RGP)を提案する。 RGPは最先端のパフォーマンスを提供し、リレーショナルディープラーニングのための汎用的でスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-11-06T17:08:21Z)
• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• Fine-grained Attention in Hierarchical Transformers for Tabular Time-series [46.96700822457507]
  本研究では,行レベルと列レベルの両方のフィールドを文脈化する,きめ細かい階層モデルであるFieldyを提案する。 その結果,行ワイドと列ワイドアテンションを組み合わせることで,モデルサイズを増大させることなく性能が向上することがわかった。
  論文  参考訳（メタデータ） (2024-06-21T17:40:46Z)
• More than Classification: A Unified Framework for Event Temporal Relation Extraction [61.44799147458621]
  イベント時間関係抽出(ETRE)は通常、マルチラベル分類タスクとして定式化される。 イベントの開始点と終了点を使ってすべての関係を解釈できることを観察する。 本稿では,時間関係を時間点の論理的表現に変換するイベント時間関係抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-28T02:09:08Z)
• 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)
• LaMemo: Language Modeling with Look-Ahead Memory [50.6248714811912]
  右側トークンへの漸進的参加により再帰記憶を向上させるLook-Ahead Memory(LaMemo)を提案する。 LaMemoは、メモリ長に比例した追加のオーバーヘッドで、双方向の注意とセグメントの再発を受け入れる。 広く使われている言語モデリングベンチマークの実験は、異なる種類のメモリを備えたベースラインよりも優れていることを示した。
  論文  参考訳（メタデータ） (2022-04-15T06:11:25Z)
• Topological Data Analysis of Database Representations for Information Retrieval [2.729524133721473]
  永続ホモロジーはデータベーストポロジーの厳密な特徴付けを提供する。 我々は、一般的な埋め込みが接続を維持するのに失敗することを示した。 この効果を捉えるために、拡散不変ボトルネック距離を導入する。
  論文  参考訳（メタデータ） (2021-04-04T19:29:47Z)
• Bridging Textual and Tabular Data for Cross-Domain Text-to-SQL Semantic Parsing [110.97778888305506]
  BRIDGEは、フィールドのサブセットが質問に言及されたセル値で拡張されるタグ付きシーケンスの質問とDBスキーマを表します。 BRIDGEは、人気のクロスDBテキスト-リレーショナルベンチマークで最先端のパフォーマンスを達成しました。 本分析は,BRIDGEが望まれる相互依存を効果的に捕捉し,さらにテキストDB関連タスクに一般化する可能性を示唆している。
  論文  参考訳（メタデータ） (2020-12-23T12:33:52Z)

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。