論文の概要: When Does Explicit View Routing Work? A Controlled Study of Multi-View Graph-Text Alignment

• arxiv url: http://arxiv.org/abs/2607.27530v1
• Date: Wed, 29 Jul 2026 23:49:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.348143
• Title: When Does Explicit View Routing Work? A Controlled Study of Multi-View Graph-Text Alignment
• Title（参考訳）: 明示的なビュールーティングはいつ機能するか? マルチビューグラフテキストアライメントの制御による検討
• Abstract要約: グラフテキスト検索は通常、クエリが1つのセマンティックな側面だけに関する場合であっても、グラフとその記述を1つの埋め込みにマッピングする。 アーキテクチャのチャネル化は、必ずしもセマンティックなルーティングではなく、解決できることを示します。
• 参考スコア（独自算出の注目度）: 0.5721241882795979
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph-text retrieval typically maps a graph and its description to a single embedding, even when a query concerns only one semantic aspect, such as a class label or molecular property. Multiple heads can separate these aspects, but a change in the query head may alter retrieval even when the wrong text is sent to that head. Such behavior demonstrates architectural channelization, not necessarily semantic routing. We examine the conditions under which this distinction can be resolved. Our controlled version of MV-GTA uses deterministic, verifiable text segments; isolated text encoders; view-specific graph heads; and relevance derived from external labels or RDKit descriptors. Correct routing and per-sample derangements form a causal test of whether retrieval depends on content. On BBBP and BACE, correct routing improves label and property nDCG by 0.305 to 0.685 over deranged training. The expected graph head exceeds the best wrong head by 0.303 to 0.453. Topology does not specialize consistently across the two datasets. In a matched three-seed comparison, one joint model obtains mean topology, label, and property nDCG of 0.720/1.000/0.877; three separately trained Single specialists obtain 0.633/0.976/0.859. Property paraphrase augmentation also improves unseen-template nDCG by 0.140 and 0.147 over a matched-exposure canonical control. Consistency and hard-template extensions, however, reduce canonical retrieval in some settings. The evidence is therefore limited to explicit, externally grounded label and property routing and observed multi-interface consolidation. It does not establish free-form routing, consistent three-view specialization, statistical equivalence to specialists, or superior downstream prediction.
• Abstract（参考訳）: グラフテキスト検索は通常、1つのグラフとその記述を1つの埋め込みにマッピングする。 複数のヘッドはこれらの側面を分離することができるが、クエリヘッドの変更は、間違ったテキストがそのヘッドに送信された場合でも検索を変更する可能性がある。 このような振る舞いは、必ずしもセマンティックなルーティングではなく、アーキテクチャ的なチャネル化を示す。 我々はこの区別を解消できる条件について検討する。 我々の制御されたMV-GTAは、決定論的で検証可能なテキストセグメント、孤立したテキストエンコーダ、ビュー固有のグラフヘッド、および外部ラベルまたはRDKit記述子から派生した関連性を使用する。 正しいルーティングとサンプルごとの分解は、検索がコンテンツに依存するかどうかの因果テストを形成する。 BBBPとBACEでは、正確なルーティングによってラベルとプロパティのnDCGがゆるやかなトレーニングで0.305から0.685に改善される。 予想されるグラフヘッドは0.303から0.453の最良の誤りヘッドを超える。 トポロジーは2つのデータセットに一貫した専門化はしない。 一致した3種比較では、1つのジョイントモデルで平均位相、ラベル、特性nDCGが0.720/1.000/0.877、個別に訓練された3人のシングルスペシャリストが0.633/0.976/0.859となる。 特性パラフレーズの増大は、マッチした露光カノニカル制御に対して、未確認のnDCGを 0.140 と 0.147 に改善する。 しかし、一貫性とハードテンプレート拡張は、いくつかの設定で標準的検索を減らす。 したがって、証拠は明示的で外接ラベルとプロパティルーティングに限られており、多面的な統合が観察されている。 フリーフォームのルーティング、一貫した3ビューの専門化、専門家の統計的等価性、下流の予測の優位性は確立していない。

関連論文リスト

• Instance-Guided Report Anchoring for Text-Free 3D Abnormality Segmentation in Chest CT [1.3890393030771435]
  本稿では,各アノテート異常インスタンスとそれを記述するレポート発見との対応性を保持するモデルに依存しないモジュールIGRAを提案する。 IGRAはイメージのみのベースライン(30.93対25.25)よりも22.5%改善し、シングルフィンディングサブセット(30.29対30.43)のVoxTellに匹敵する。
  論文  参考訳（メタデータ） (2026-08-31T22:38:11Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• Toward Semantically-Seeded, Graph-Propagated Impact Analysis Across Software Artifacts: A Vision [0.0]
  我々は、同じ埋め込み上で両方の信号を融合する、トレーニング不要で解釈可能なアナライザについて論じる。 変更シナリオをラベル付けした支払いサブシステムに関する、小さなが完全な概念実証は、私たちが関心を持っているメカニズムを示しています。
  論文  参考訳（メタデータ） (2026-06-17T09:34:56Z)
• SIDInspector: A Mapping-First Diagnostic Resource for Semantic-ID Tokenizers [11.601609455691644]
  Toolは、sidトークンライザアーティファクトのためのマッピングファーストの診断リソースである。 ツールレポート ダウンストリームのリーダーボードスコアの前に 検査可能なアーティファクトプロファイル。
  論文  参考訳（メタデータ） (2026-06-09T03:36:31Z)
• Architecture-Aware Explanation Auditing for Industrial Visual Inspection [1.3054033103300278]
  本稿では,自然読出仮説に基づくアーキテクチャを考慮した説明監査プロトコルを運用する。 WM-811Kウェハマップ(9クラス、172k画像)の3列のゼロフィル摂動プロトコルの下では、ViT-Tiny + Attention RolloutはDeletion AUC 0.211をSwin-Tinyの0.432-0.525に対して取得する。
  論文  参考訳（メタデータ） (2026-05-14T01:48:00Z)
• From Few-Shot to Zero-Shot: Towards Generalist Graph Anomaly Detection [89.52759572485276]
  ARCは、文脈内学習を利用した数発のGAD法であり、推論時にわずかにラベル付き正規サンプルを必要とする。 ARCとARC_zeroは、異常を効果的に検出し、強力な一般化能力を示し、少数ショットおよびゼロショット設定下で効率的に実行する。
  論文  参考訳（メタデータ） (2026-02-21T10:59:00Z)
• AtomicRAG: Atom-Entity Graphs for Retrieval-Augmented Generation [36.2420491060406]
  最近のGraphRAG法では、グラフ構造をテキストインデックスと検索に組み込んでいる。 知識表現と索引付けのためのより正確で信頼性の高いアーキテクチャを提案する。 我々のアプローチでは、知識は粗粒のテキストチャンクではなく、知識原子として保存される。
  論文  参考訳（メタデータ） (2026-02-10T05:57:47Z)
• SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding [56.079013202051094]
  ボックスレベルのアノテーションを信号として転送する新しい手法であるSegVGを提案する。 このアプローチでは,ボックスレベルのレグレッションとピクセルレベルのセグメンテーションの両方の信号としてアノテーションを反復的に利用することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:30:45Z)
• Relation Rectification in Diffusion Model [64.84686527988809]
  本稿では,最初に生成できない関係を正確に表現するためにモデルを洗練することを目的とした,リレーション・リクティフィケーション(Relation Rectification)と呼ばれる新しいタスクを紹介する。 異種グラフ畳み込みネットワーク(HGCN)を利用した革新的な解を提案する。 軽量HGCNは、テキストエンコーダによって生成されたテキスト埋め込みを調整し、埋め込み空間におけるテキスト関係の正確な反映を保証する。
  論文  参考訳（メタデータ） (2024-03-29T15:54:36Z)
• Exploring the Hierarchy in Relation Labels for Scene Graph Generation [75.88758055269948]
  提案手法は,Recall@50において,複数の最先端ベースラインを大きなマージン(最大33%の相対利得)で改善することができる。 実験により,提案手法により,最先端のベースラインを大きなマージンで改善できることが示された。
  論文  参考訳（メタデータ） (2020-09-12T17:36:53Z)
• Supervised Domain Adaptation: A Graph Embedding Perspective and a Rectified Experimental Protocol [87.76993857713217]
  本稿では、ソースとターゲットのドメインデータ間のペアワイズ関係を用いたドメイン適応法をグラフ埋め込みとして定式化できることを示す。 具体的には、既存の3つのSupervised Domain Adaptationメソッドの損失関数を分析し、グラフ埋め込みを行うことを示す。
  論文  参考訳（メタデータ） (2020-04-23T15:46:20Z)

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。