論文の概要: Integrating Meta-Features with Knowledge Graph Embeddings for Meta-Learning

• arxiv url: http://arxiv.org/abs/2603.19888v1
• Date: Fri, 20 Mar 2026 11:57:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.129742
• Title: Integrating Meta-Features with Knowledge Graph Embeddings for Meta-Learning
• Title（参考訳）: メタ学習のための知識グラフ埋め込みとメタ機能の統合
• Authors: Antonis Klironomos, Ioannis Dasoulas, Francesco Periti, Mohamed Gad-Elrab, Heiko Paulheim, Anastasia Dimou, Evgeny Kharlamov,
• Abstract要約: パイプライン性能推定(PPE)とデータセット性能に基づく類似度推定(DPSE)の2つの重要なメタ学習タスク。 既存のアプローチは主にデータセットのメタ機能に依存して、データセットを数値的に表現し、これらのメタ学習タスクを近似する。 KGmetaSPは,既存の実験データを利用してこれらのインタラクションを捕捉し,PPEとDPSEの両方を改善した知識グラフ埋め込み手法である。
• 参考スコア（独自算出の注目度）: 8.071711833525475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The vast collection of machine learning records available on the web presents a significant opportunity for meta-learning, where past experiments are leveraged to improve performance. Two crucial meta-learning tasks are pipeline performance estimation (PPE), which predicts pipeline performance on target datasets, and dataset performance-based similarity estimation (DPSE), which identifies datasets with similar performance patterns. Existing approaches primarily rely on dataset meta-features (e.g., number of instances, class entropy, etc.) to represent datasets numerically and approximate these meta-learning tasks. However, these approaches often overlook the wealth of past experimental results and pipeline metadata available. This limits their ability to capture dataset - pipeline interactions that reveal performance similarity patterns. In this work, we propose KGmetaSP, a knowledge-graph-embeddings approach that leverages existing experiment data to capture these interactions and improve both PPE and DPSE. We represent datasets and pipelines within a unified knowledge graph (KG) and derive embeddings that support pipeline-agnostic meta-models for PPE and distance-based retrieval for DPSE. To validate our approach, we construct a large-scale benchmark comprising 144,177 OpenML experiments, enabling a rich cross-dataset evaluation. KGmetaSP enables accurate PPE using a single pipeline-agnostic meta-model and improves DPSE over baselines. The proposed KGmetaSP, KG, and benchmark are released, establishing a new reference point for meta-learning and demonstrating how consolidating open experiment data into a unified KG advances the field.
• Abstract（参考訳）: Web上で利用可能な機械学習記録の膨大なコレクションは、過去の実験を活用してパフォーマンスを向上させる、メタラーニングの重要な機会を提供する。 2つの重要なメタ学習タスクは、ターゲットデータセットでのパイプラインパフォーマンスを予測するパイプラインパフォーマンス推定(PPE)と、同様のパフォーマンスパターンでデータセットを識別するデータセットパフォーマンスベースの類似度推定(DPSE)である。 既存のアプローチは主にデータセットのメタ機能(例:インスタンス数、クラスエントロピーなど)に依存して、データセットを数値的に表現し、これらのメタ学習タスクを近似する。 しかし、これらのアプローチは、しばしば過去の実験結果とパイプラインメタデータの富を見落としている。 これにより、パフォーマンスの類似性パターンを明らかにするデータセット – パイプラインインタラクション – をキャプチャする能力が制限される。 本研究では,既存の実験データを利用してこれらのインタラクションをキャプチャし,PPEとDPSEの両方を改善する知識グラフ埋め込み手法であるKGmetaSPを提案する。 我々は、統合知識グラフ(KG)内のデータセットとパイプラインを表現し、PPEのためのパイプライン非依存メタモデルとDPSEのための距離ベース検索をサポートする埋め込みを導出する。 提案手法を検証するため,144,177個のOpenML実験からなる大規模ベンチマークを構築し,リッチなクロスデータセット評価を実現する。 KGmetaSPは、単一のパイプラインに依存しないメタモデルを使用して正確なPPEを可能にし、ベースライン上でDPSEを改善する。 提案したKGmetaSP,KG,ベンチマークがリリースされ,メタラーニングのための新たな基準点が確立され,オープン実験データを統一KGに統合する方法が実証された。

関連論文リスト

• Closing the Data Loop: Using OpenDataArena to Engineer Superior Training Datasets [46.480867560675584]
  アドホックなキュレーションからOpenDataArena(ODA)を用いたクローズドループデータセットエンジニアリングフレームワークへのパラダイムシフトを提案する。 textbfODA-Math460-kは、AIMEやHMMTなどのベンチマークでステート・オブ・ザ・アーツ(SOTA)結果を達成するために、新しい2段階の難易度対応パイプラインを利用する特殊な数学推論データセットであり、textbfODA-Mixture (100k & 500k) はアンカー・アンド・アンカーで構築された一連のマルチドメイン命令データセットである。
  論文  参考訳（メタデータ） (2025-12-30T17:46:38Z)
• OpenDataArena: A Fair and Open Arena for Benchmarking Post-Training Dataset Value [74.80873109856563]
  OpenDataArena(ODA)は、トレーニング後のデータの本質的な価値をベンチマークするために設計された、総合的でオープンなプラットフォームである。 ODAは4つの主要な柱からなる包括的なエコシステムを確立している。 (i) 多様なモデル間で公平でオープンな比較を保証する統一的なトレーニング評価パイプライン、 (ii) 異なる軸数に沿ってデータ品質をプロファイリングする多次元スコアリングフレームワーク、 (iii) データセットの系図を視覚化してコンポーネントソースを識別するインタラクティブなデータ系統探索である。
  論文  参考訳（メタデータ） (2025-12-16T03:33:24Z)
• KGpipe: Generation and Evaluation of Pipelines for Data Integration into Knowledge Graphs [1.5397834466394758]
  多様な情報源から高品質な知識グラフ(KG)を構築するには、情報抽出、データ変換、オントロジーマッピング、エンティティマッチング、データ融合の手法を組み合わせる必要がある。 既存のツールやLLM(Large Language Model)機能を組み合わせてパイプラインを定義し実行するための新しいフレームワークであるKGpipeを提案する。
  論文  参考訳（メタデータ） (2025-11-23T09:21:14Z)
• IncepFormerNet: A multi-scale multi-head attention network for SSVEP classification [12.935583315234553]
  本研究では,Inception と Transformer アーキテクチャのハイブリッドモデルである IncepFormerNet を提案する。 IncepFormerNetは、異なる大きさの並列畳み込みカーネルを用いて、時系列データから、マルチスケールの時間情報を積極的に抽出する。 SSVEPデータのスペクトル特性に基づいて特徴を抽出するために,フィルタバンク手法を利用する。
  論文  参考訳（メタデータ） (2025-02-04T13:04:03Z)
• ALP: Action-Aware Embodied Learning for Perception [60.64801970249279]
  認知のための行動認識型身体学習(ALP)について紹介する。 ALPは、強化学習ポリシーと逆ダイナミクス予測目標を最適化することにより、行動情報を表現学習に組み込む。 ALPは、複数の下流認識タスクにおいて、既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T21:51:04Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• Hyperparameter Optimization with Differentiable Metafeatures [5.586191108738563]
  DMFBS(diffariable Metafeature-based Surrogate)と呼ばれるクロスデータセットサロゲートモデルを提案する。 既存のモデルとは対照的に、DMFBS i) は微分可能なメタ機能抽出器を統合し、i) は新規なマルチタスク損失を用いて最適化される。 DMFBSをHPOの3つの大規模メタデータセットの最近のモデルと比較し、平均10%の改善でその性能を一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2021-02-07T11:06:31Z)
• Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
  ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。 我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。 そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
  論文  参考訳（メタデータ） (2020-05-18T09:36:51Z)
• Incremental Meta-Learning via Indirect Discriminant Alignment [118.61152684795178]
  メタ学習のメタ学習段階において,段階的な学習の概念を発達させる。 我々のアプローチは、完全なメタトレーニングセットでモデルをトレーニングするのと比べて、テスト時に好適に機能する。
  論文  参考訳（メタデータ） (2020-02-11T01:39:12Z)
• Meta-learning framework with applications to zero-shot time-series forecasting [82.61728230984099]
  この研究は幅広いメタラーニングフレームワークを使って肯定的な証拠を提供する。 残余接続はメタラーニング適応機構として機能する。 我々は、ソースTSデータセット上でニューラルネットワークをトレーニングし、異なるターゲットTSデータセット上で再トレーニングすることなくデプロイできることを示します。
  論文  参考訳（メタデータ） (2020-02-07T16:39:43Z)

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。