論文の概要: Representing Entity Importance in AI Knowledge Systems: A Dual-Signal Framework of Audience Evaluation and Structural Authority

• arxiv url: http://arxiv.org/abs/2607.20925v1
• Date: Thu, 23 Jul 2026 05:06:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.29293
• Title: Representing Entity Importance in AI Knowledge Systems: A Dual-Signal Framework of Audience Evaluation and Structural Authority
• Title（参考訳）: AI知識システムにおけるエンティティの重要性を表現する: オーディエンス評価と構造的オーソリティの二重署名フレームワーク
• Abstract要約: AI知識システムは、検索、レコメンデーション、エビデンスの選択、知識集約推論のために、エンティティの重要性の表現を必要とする。 本研究では,各実体がオーディエンス次元と構造的オーソリティ次元によって特徴づけられる解釈可能な二重信号表現を提案する。 その結果、観客の評価と構造的権威は非冗長な信号であり、自動的に重要性の単一の概念に分解するべきではないことがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI knowledge systems require representations of entity importance for retrieval, recommendation, evidence selection, and knowledge-intensive reasoning. Yet importance is often reduced to a single score derived from either human response or graph structure. Such compression may discard distinctions that matter when an AI system must choose among entities for different tasks. This study introduces an interpretable dual-signal representation in which each entity is characterized by an audience-evaluation dimension and a structural-authority dimension. The framework is evaluated using movie entities as an empirical validation domain. IMDb non-commercial datasets provide a rating-based audience ranking, Wikidata supports entity alignment, and English Wikipedia hyperlinks form the knowledge network on which PageRank estimates structural authority. Experiments on 482 entities and 13,690 directed relationships reveal a statistically significant but weak association between the two dimensions (Spearman rho = 0.2275, p < 0.001). Their overlap is only 10% in the top 10 and 34% in the top 100, while entity-level divergence occurs in both directions. The results show that audience evaluation and structural authority are non-redundant signals and should not automatically be collapsed into a single scalar notion of importance. The contribution is not a new ranking algorithm or learned embedding, but a minimal knowledge-representation framework and an empirical test of its dimensional necessity. The findings support task-aware AI knowledge systems that preserve distinct importance signals before applying context-specific selection or aggregation.
• Abstract（参考訳）: AI知識システムは、検索、レコメンデーション、エビデンスの選択、知識集約推論のために、エンティティの重要性の表現を必要とする。 しかし、重要度はしばしば、人間の反応またはグラフ構造に由来する単一のスコアに還元される。 このような圧縮は、AIシステムが異なるタスクのためにエンティティの中から選ばなければならない場合に重要な区別を捨てる可能性がある。 本研究では,各実体が観衆評価次元と構造的オーソリティ次元によって特徴づけられる解釈可能な二重信号表現を提案する。 このフレームワークは、映画の実体を経験的検証ドメインとして評価する。 IMDbの非商用データセットは、評価に基づくオーディエンスランキングを提供し、Wikidataはエンティティアライメントをサポートし、英語のウィキペディアハイパーリンクは、PageRankが構造的権威を推定する知識ネットワークを形成する。 482個の実体と13,690個の有向関係に関する実験では、2つの次元の間の統計的に有意だが弱い関係が示されている(スピアマンrho = 0.2275, p < 0.001)。 彼らの重複はトップ10で10%、トップ100で34%に過ぎず、エンティティレベルのばらつきは両方の方向に発生します。 その結果,オーディエンスの評価と構造的権威は非冗長な信号であり,重要度という単一のスカラー概念に自動的に崩壊しないことが示唆された。 この貢献は、新しいランキングアルゴリズムや学習された埋め込みではなく、最小限の知識表現フレームワークであり、その次元の必要性の実証テストである。 この発見は、コンテキスト固有の選択や集約を適用する前に、個別に重要な信号を保持するタスク認識AI知識システムをサポートする。

関連論文リスト

• KGCQual: An Interpretable Framework for Evaluating the Knowledge Graph Construction Quality from Text [6.373904244962351]
  本稿では,本質的な知識グラフ品質評価のための新しい解釈可能な指標を提案する。 自動的に抽出されたグラフがいかに「理想」グラフに近似するかを測定する。 複数の最先端の3重抽出システムとデータセットで測定値を評価する。
  論文  参考訳（メタデータ） (2026-07-11T08:45:15Z)
• Per-Entity Bias Mapping for AI Visibility: Why Brand Mentions Require Entity-Specific Calibration [0.0]
  本稿では、AIの可視性エラープロファイルが体系的に異なるため、集約メトリクスは不十分である、と論じる。 3つの障害モードが識別される: 表現不足のエンティティは知識グラフの存在が弱いために見えなくなる; 大エンティティはブランド幻覚のパラドックスに苦しむ。
  論文  参考訳（メタデータ） (2026-06-19T16:50:29Z)
• Seeing and Knowing in the Wild: Open-domain Visual Entity Recognition with Large-scale Knowledge Graphs via Contrastive Learning [17.580250180523752]
  オープンドメインのビジュアルエンティティ認識は、画像に描かれたエンティティを、広範に進化する現実世界の概念の集合に識別し、リンクすることを目的としている。 本稿では,画像とテキスト記述を共有意味空間に組み合わせた知識誘導型コントラスト学習フレームワークを提案する。 我々の実験は、視覚的、テキスト的、構造化された知識を用いることで、特に稀で目に見えないエンティティの精度が大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-10-15T15:33:36Z)
• RealUnify: Do Unified Models Truly Benefit from Unification? A Comprehensive Benchmark [71.3555284685426]
  本稿では,双方向機能相乗効果を評価するためのベンチマークであるRealUnifyを紹介する。 RealUnifyは、10のカテゴリと32のサブタスクにまたがる、細心の注意を払ってアノテートされた1000のインスタンスで構成されている。 現在の統一モデルは、効果的な相乗効果を達成するのに依然として苦労しており、アーキテクチャの統一だけでは不十分であることを示している。
  論文  参考訳（メタデータ） (2025-09-29T15:07:28Z)
• Understanding and evaluating computer vision models through the lens of counterfactuals [2.2819712364325047]
  この論文は、視覚分類器および生成モデルにおけるバイアスの説明、監査、緩和に反事実を使用するフレームワークを開発する。 体系的に意味のある属性を体系的に変更し、他の属性を固定することで、これらの手法は突発的な相関を明らかにする。 これらの貢献は、識別モデルと生成モデルの両方において、解釈可能性、公正性、因果性のための統一レンズとして反事実を示す。
  論文  参考訳（メタデータ） (2025-08-28T15:11:49Z)
• On Discprecncies between Perturbation Evaluations of Graph Neural Network Attributions [49.8110352174327]
  我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。 中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。 我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
  論文  参考訳（メタデータ） (2024-01-01T02:03:35Z)
• Fairness meets Cross-Domain Learning: a new perspective on Models and Metrics [80.07271410743806]
  クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。 いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。 本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
  論文  参考訳（メタデータ） (2023-03-25T09:34:05Z)
• Unsupervised Domain Adaptation on Person Re-Identification via Dual-level Asymmetric Mutual Learning [108.86940401125649]
  本稿では,多種多様な埋め込み空間を持つより広い知識領域から識別的表現を学習するための,DAML(Dual-level Asymmetric Mutual Learning)を提案する。 2つのネットワーク間の知識伝達は、非対称な相互学習方式に基づいている。 Market-1501、CUHK-SYSU、MSMT17の公開データセットにおける実験は、最先端技術よりもDAMLの方が優れていることを証明した。
  論文  参考訳（メタデータ） (2023-01-29T12:36:17Z)
• Measuring the Interpretability of Unsupervised Representations via Quantized Reverse Probing [97.70862116338554]
  本稿では,自己教師付き表現の解釈可能性の測定問題について検討する。 我々は、後者を、表現と手動でラベル付けされた概念の空間の間の相互情報を推定するものとして定式化する。 提案手法は,多人数の自己教師付き表現の評価に利用し,解釈可能性による評価を行う。
  論文  参考訳（メタデータ） (2022-09-07T16:18:50Z)
• The Overlooked Classifier in Human-Object Interaction Recognition [82.20671129356037]
  クラス間の意味的相関を分類ヘッドにエンコードし,重みをHOIの言語埋め込みで初期化する。 我々は,LSE-Sign という新しい損失を,長い尾を持つデータセット上でのマルチラベル学習を強化するために提案する。 我々は,物体検出と人間のポーズを明確なマージンで求める最先端技術よりも優れた,検出不要なHOI分類を可能にする。
  論文  参考訳（メタデータ） (2022-03-10T23:35:00Z)
• EchoEA: Echo Information between Entities and Relations for Entity Alignment [1.1470070927586016]
  本稿では,エンティティ情報を関係に拡散し,エンティティにエコーバックする自己認識機構を活用した新しいフレームワーク Echo Entity Alignment (EchoEA) を提案する。 3つの実世界のクロスランガルデータセットの実験結果は、平均して96%で安定している。
  論文  参考訳（メタデータ） (2021-07-07T07:34:21Z)

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。