論文の概要: Convergence issues in Relational Concept Analysis based on AOC-posets

• arxiv url: http://arxiv.org/abs/2609.00054v1
• Date: Sun, 30 Aug 2026 10:09:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:35.800925
• Title: Convergence issues in Relational Concept Analysis based on AOC-posets
• Title（参考訳）: AOC-posetsに基づく関係概念解析における収束問題
• Abstract要約: 形式的概念分析(英: Formal Concept Analysis, RCA)は、概念的分類構築と2値テーブルからの規則発見のためのアプローチである。 RCAは、他のオブジェクトグループとの関係を特徴とするオブジェクトのグループを強調することを目的としている。 一般の場合、収束がもはや保証されない理由を示し、それを保証できる条件を特定し、どのように収束を回復できるかを議論する。
• 参考スコア（独自算出の注目度）: 0.2348805691644085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Formal Concept Analysis (FCA) is an approach for conceptual classification building and rule discovery from a binary table describing a set of objects by a set of attributes. Extensions have been proposed to deal with non-binary and more complex data, such as Relational Concept Analysis (RCA) for multi-relational data. RCA aims to highlight groups of objects characterized by their relationships with other groups of objects. The richer and more complex nature of the underlying data allows RCA to produce richer results than FCA, at the expense of higher computational and interpretive complexity. The most commonly used conceptual classification structure in FCA is the concept lattice. However, in many applications, concept lattice substructures, such as AOC-posets, are preferred over the full lattice, either to mitigate combinatorial blow-up or to focus on the most informative parts of the structure. Indeed, in an AOC-poset, only concepts introducing an object or an attribute are represented, which makes AOC-posets smaller and easier to compute and use than concept lattices. Although RCA was originally defined on concept lattices, it can also be instantiated on AOC-posets. RCA is iterative and its convergence is guaranteed in the lattice-based setting, but this guarantee is lost when using AOC-posets. In this paper, we investigate this loss of convergence in detail. We show why convergence is no longer guaranteed in the general case, identify conditions under which it can still be ensured, and discuss how a dataset can be transformed to recover convergence. We also propose a convergent variant of the process, which preserves the AOC-poset structure: relational attributes, once created, are never removed, which guarantees convergence at the price of attributes that may refer to concepts absent from the final structures.
• Abstract（参考訳）: 形式的概念分析(FCA)は、属性の集合によってオブジェクトの集合を記述するバイナリテーブルから概念的分類構築とルール発見のためのアプローチである。 関係概念解析(RCA)のような、非バイナリで複雑なデータを扱うための拡張が提案されている。 RCAは、他のオブジェクトグループとの関係を特徴とするオブジェクトのグループを強調することを目的としている。 基礎となるデータのよりリッチで複雑な性質により、RCAは計算と解釈の複雑さを犠牲にして、FCAよりもリッチな結果を生成することができる。 FCAにおける最もよく使われる概念分類構造は概念格子である。 しかし、多くの応用において、AOC-posetsのような概念格子のサブ構造は、組合せ的爆破を緩和するか、その構造の最も情報性の高い部分に集中するために、完全な格子よりも好まれる。 実際、AOC-posetでは、オブジェクトや属性を導入する概念のみが表現され、AOC-posetは概念格子よりも小さく、計算しやすくなります。 RCAはもともと概念格子上で定義されていたが、AOC-posets上でもインスタンス化できる。 RCAは反復的であり、その収束は格子ベースの設定で保証されるが、AOC-posetを使用するとこの保証は失われる。 本稿では,この収束の喪失について詳細に検討する。 一般の場合、収束がもはや保証されない理由を示し、それを保証できる条件を特定し、収束を回復するためにデータセットをどのように変換できるかについて議論する。 また、AOC-poset構造を保ったプロセスの収束変種も提案する: 一度生成されたリレーショナル属性は取り除かれず、最終構造から欠落した概念を参照できる属性の価格での収束を保証する。

関連論文リスト

• Imputation Meets Clustering: Exploiting Latent Subgroup Structure for Missing Data Recovery [52.29866804948133]
  本稿では、クラスタリングと命令を相互に強化する共最適化プロセスとして再構築するフレームワークであるCAGI(Cluster-Aware Generative Imputation)を提案する。 14のベンチマークデータセットと15の代表的なベースラインの実験は、CAGIの優位性を実証している。
  論文  参考訳（メタデータ） (2026-07-08T02:50:02Z)
• CIR-CoT: Towards Interpretable Composed Image Retrieval via End-to-End Chain-of-Thought Reasoning [93.05917922306196]
  Composed Image Retrieval (CIR) は、参照画像と修正テキストから対象画像を見つけることを目的としている。 CIR-CoTは、明示的なChain-of-Thought (CoT)推論を統合するために設計された最初のエンドツーエンド検索指向MLLMである。
  論文  参考訳（メタデータ） (2025-10-09T09:41:45Z)
• Learning Identifiable Structures Helps Avoid Bias in DNN-based Supervised Causal Learning [56.22841701016295]
  Supervised Causal Learning (SCL)はこの分野で新興パラダイムである。 既存のディープニューラルネットワーク(DNN)ベースの手法では、"Node-Edgeアプローチ"が一般的である。
  論文  参考訳（メタデータ） (2025-02-15T19:10:35Z)
• Non-monotonic Extensions to Formal Concept Analysis via Object Preferences [3.4873708563238277]
  属性の集合間の非単調条件を導入し、オブジェクトの集合よりも好みを仮定する。 この条件は、非単調性に対する仮定と一致した帰結関係をもたらすことを示す。 この典型的概念の概念は、形式的概念分析へのKLMスタイルの典型性のさらなる導入である。
  論文  参考訳（メタデータ） (2024-10-05T15:01:00Z)
• CONDA: Condensed Deep Association Learning for Co-Salient Object Detection [136.30039346735833]
  本稿では,深層ネットワークを生のアソシエーションに展開し,それらを深層アソシエーションに変換するディープアソシエーション学習戦略を提案する。 3つのベンチマークデータセットによる実験結果から,提案手法の各種トレーニング設定による顕著な効果が示された。
  論文  参考訳（メタデータ） (2024-09-02T08:01:32Z)
• Stepwise functional refoundation of relational concept analysis [0.0]
  概念分析 (RCA) は、いくつかの関連するコンテキストを同時に扱うことができる形式的概念解析の拡張である。 RCAは単一の概念格子を返しますが、データに円形の依存関係がある場合、他のソリューションは許容できると考えられます。 我々はRCAが許容できる解の集合の最小要素を返すことを示す。
  論文  参考訳（メタデータ） (2023-10-10T09:13:46Z)
• Improved Representation Learning Through Tensorized Autoencoders [7.056005298953332]
  オートエンコーダ(AE)は、教師なし表現学習において広く使われている。 本稿では,任意のAEアーキテクチャをテンソル化バージョン(TAE)に拡張するメタアルゴリズムを提案する。 我々は,TAEが標準AEによって回収されたデータ全体の原理成分とは対照的に,異なるクラスタの原理成分を復元できることを証明した。
  論文  参考訳（メタデータ） (2022-12-02T09:29:48Z)
• Entity Concept-enhanced Few-shot Relation Extraction [35.10974511223129]
  長尾分布問題において,FSRE (Few-shot relation extract) が重要である。 ほとんどの既存のFSREアルゴリズムは、認識されたエンティティペアと共に文の情報に基づいて関係を正確に分類することができない。 本稿では,エンティティ固有の概念を導入し,関係予測の手がかりを提供する,エンティティ強化型FEw-shot Relation extract scheme(ConceptFERE)を提案する。
  論文  参考訳（メタデータ） (2021-06-04T10:36:49Z)
• Unveiling the Potential of Structure-Preserving for Weakly Supervised Object Localization [71.79436685992128]
  本稿では,WSOLの畳み込み機能に組み込まれた構造情報を完全に活用するための2段階構造保存アクティベーション(SPA)を提案する。 第1段階では、分類ネットワークによって引き起こされる構造ミス問題を軽減するために制限アクティベーションモジュール(ram)が設計されている。 第2段階では, 自己相関マップ生成(SCG)モジュールと呼ばれるプロセス後アプローチを提案し, 構造保存ローカライゼーションマップを得る。
  論文  参考訳（メタデータ） (2021-03-08T03:04:14Z)
• Hierarchical Conditional Relation Networks for Video Question Answering [62.1146543269993]
  条件関係ネットワーク(CRN)と呼ばれる汎用再利用可能なニューラルネットワークユニットを導入する。 CRNは、ビデオ上での表現と推論のためのより洗練された構造を構築するためのビルディングブロックとして機能する。 その結果,ビデオQAのような複雑なドメインに対する汎用推論ユニットの構築の影響が示された。
  論文  参考訳（メタデータ） (2020-02-25T07:00:48Z)

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。