論文の概要: Hidden relationships in a document-derived property graph: top-k chunk embeddings and inverse-distance weighting over a dynamically evolving ontology

• arxiv url: http://arxiv.org/abs/2609.00387v1
• Date: Mon, 31 Aug 2026 21:18:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.102471
• Title: Hidden relationships in a document-derived property graph: top-k chunk embeddings and inverse-distance weighting over a dynamically evolving ontology
• Title（参考訳）: 文書由来のプロパティグラフにおける隠れ関係--動的に進化するオントロジー上のトップ-kチャンク埋め込みと逆距離重み付け
• Abstract要約: テキストから知識グラフを抽出する大規模言語モデルは、明示的に記述された事実のみをキャプチャし、しばしば意味論的に関連付けられたエンティティを文書間で切断する。 本稿では, エンジンニュートラル2次パスについて, 抽出された事実を変更せずに, これらの潜伏関係を発見できることを示す。 768次元および240次元の埋め込みは、3072次元のベースラインに対して92%と72%のエッジ忠実度を維持しつつ、25倍高速なトップk定式化を実現している。
• 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: Large language models extracting knowledge graphs from text capture only explicitly stated facts, often leaving semantically related entities disconnected across documents. We present an additive, engine-neutral second pass that discovers these latent ties without altering extracted facts. Each document is chunked and embedded once; top-k nearest- neighbor queries across existing chunks yield candidate node pairs via entity membership maps. Candidate pairs are scored using Shepard inverse-distance weighting with a rescaled chord distance metric, avoiding the threshold-collapsing flaw of affine cosine scoring behind a k-NN gate. Un-gated per-pair accumulators form a commutative monoid, ensuring the pipeline is strictly order-independent and scales incrementally without recomputing prior documents. Implemented across FalkorDB, Kinetica, ArangoDB, and Neo4j, our method shows that 768- and 240-dimensional embeddings retain 92% and 72% edge fidelity against a 3072-D baseline while achieving a 25x faster top-k formulation.
• Abstract（参考訳）: テキストから知識グラフを抽出する大規模言語モデルは、明示的に記述された事実のみをキャプチャし、しばしば意味論的に関連付けられたエンティティを文書間で切断する。 本稿では, エンジンニュートラル2次パスについて, 抽出された事実を変更せずに, これらの潜伏関係を発見できることを示す。 各ドキュメントはチャンクされ、一度埋め込みされる。 既存のチャンクにまたがる最上位の近隣クエリは、エンティティメンバーシップマップを介して候補ノードペアを生成する。 k-NNゲートの後方にあるアフィンコサインの閾値崩壊欠陥を回避するため,シェパード逆距離重み付けとコード距離メートル法を用いて候補ペアを採点する。 アンゲート・パー・ペア・アキュムレータは可換モノイドを形成し、パイプラインが厳密に順序に依存しておらず、以前の文書を再計算することなく漸進的にスケールする。 FalkorDB, Kinetica, ArangoDB, Neo4jで実装したところ, 768次元および240次元の埋め込みは, 3072次元のベースラインに対して92%, 72%のエッジ忠実性を維持しつつ, 25倍高速なトップk定式化を実現していることがわかった。

関連論文リスト

• Real-Time Hybrid Retrieval in Hyperbolic Space for Retrieval-Augmented Generation on Edge Devices [0.0]
  本稿では,双曲幾何学のローレンツモデル内で完全に動作するハイブリッド文書検索システムを提案する。 ユークリッド空間に閉じ込められた従来の高密度レトリバーとは異なり、このシステムは事前訓練された単語の埋め込みを双曲空間に提案する。 このシステムは、ユーザが提供するドキュメントのリアルタイムインデックス化と、何万もの適度なサイズのドキュメントに対するリソース効率の高いクエリをサポートする。
  論文  参考訳（メタデータ） (2026-08-02T19:14:59Z)
• An Ontology-Guided, Deduplication-Aware Extraction Layer for Knowledge Graph Construction from Heterogeneous Documents [0.0]
  本稿では,ライブドキュメントストリームを形式オントロジーに整合した検証済み知識グラフに変換する生産抽出層の設計,実装,実証的改良について述べる。 類似性を埋め込み、抽出プロンプトに注入することにより、キュレートしたオントロジーの関連スライスをグラフデータベースからライブで検索する。 抽出された結果は、決定論的クリーニング、チャンクのマージ、リレーションのための2番目のパス、モデル推論を必要としない6つの重複アルゴリズム、コンフリクトガードが類似性スコアをオーバーライドできない埋め込み分解サブシステムという5つのステージの洗練パイプラインを通過します。
  論文  参考訳（メタデータ） (2026-07-22T09:45:26Z)
• Lightweight Person-Place Relation Extraction from Historical Newspapers with Dependency Graphs and Proximity Features [0.0]
  本研究では,関係分類段階において,事前学習された言語モデルなしで,軽量で解釈可能なシステムがどこまで進むことができるかを検討する。 提案手法は,依存関係解析から文書レベルグラフを構築し,各エンティティペアの近接的特徴と部分的特徴を抽出し,それらをScikit-Lernアンサンブルあるいはコンパクトグラフアテンションネットワークで分類する。 公式評価 (テストA, 新聞テストセット) では, ベストランが0.5142のマクロリコールに達し, 17チーム中, 3位にランクインした。
  論文  参考訳（メタデータ） (2026-07-22T03:35:56Z)
• Scaling Multi-Hop Training Data via Graph-Constrained Path Selection [40.133031562641044]
  推論パスは文脈キーワードであるCentroidのグラフ上でオフラインに列挙され、教師は事前に検証されたパスにのみ呼び出される。 等訓練スケールでは、制約された鎖と制約のない鎖は区別不能な下流のパフォーマンスをもたらし、フルスケールでの利得は使用可能なコーパスの4.4$times$拡張から得られる。 Qwen3-32B CUAD法定契約コーパスから構築された80K のファインチューニングの Qwen3-32B は、クローズドブックの Token F1 を 21.66% から 38.58% に改善した。
  論文  参考訳（メタデータ） (2026-05-29T12:39:03Z)
• $G^2$-Reader: Dual Evolving Graphs for Multimodal Document QA [53.491241153213565]
  G2$-Readerはマルチモーダルな質問応答のためのデュアルグラフシステムである。 Qwen3-VL-32B-Instructによる$G2$-Readerの平均精度は66.21%に達し、強力なベースラインとスタンドアローンのGPT-5(53.08%)を上回った。 5つのマルチモーダルドメインにわたるVisDoMBenchでは、Qwen3-VL-32B-Instructを使った$G2$-Readerが平均精度66.21%に達し、強力なベースラインとスタンドアロンのGPT-5(53.08%)を上回っている。
  論文  参考訳（メタデータ） (2026-01-29T17:52:54Z)
• Learning Refined Document Representations for Dense Retrieval via Deliberate Thinking [58.69615583599489]
  Deliberate Thinking based Retriever (Debater) は、段階的な思考プロセスを導入することで文書表現を強化する新しいアプローチである。 Debaterは、いくつかのベンチマークで既存のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-02-18T15:56:34Z)
• Contextual Document Embeddings [77.22328616983417]
  本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。 第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。 第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
  論文  参考訳（メタデータ） (2024-10-03T14:33:34Z)
• Efficient Link Prediction via GNN Layers Induced by Negative Sampling [86.87385758192566]
  リンク予測のためのグラフニューラルネットワーク(GNN)は、緩やかに2つの広いカテゴリに分けられる。 本稿では,新しいGNNアーキテクチャを提案する。このアーキテクチャでは,Emphforwardパスは,Emphboth陽性(典型的)と負陰性(アプローチに共通)のエッジに明示的に依存する。 これは、埋め込み自体を、正と負のサンプルの分離を好むフォワードパス特異的エネルギー関数の最小化子として再キャストすることで達成される。
  論文  参考訳（メタデータ） (2023-10-14T07:02:54Z)
• Hierarchies over Vector Space: Orienting Word and Graph Embeddings [14.367560758244624]
  非秩序な平坦な埋め込み空間から固有階層特性をキャプチャするデータ構造を提案する。 テキスト分布の一般性の概念に着想を得て,本アルゴリズムは,ノードをエンティティパワーの順に挿入することにより,アーボラッセンス(有向根木)を構築する。 本研究は,3つの課題(ハイパーネム関係探索,単語間の最小共用者探索,ウィキペディアページリンク回復)における木構造の性能を評価する。
  論文  参考訳（メタデータ） (2022-11-02T18:54:44Z)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)
• FactGraph: Evaluating Factuality in Summarization with Semantic Graph Representations [114.94628499698096]
  文書と要約を構造化された意味表現(MR)に分解するFactGraphを提案する。 MRは、コアセマンティックの概念とその関係を記述し、文書と要約の両方の主要な内容を標準形式で集約し、データの疎結合を減少させる。 事実性を評価するための異なるベンチマークの実験では、FactGraphは以前のアプローチよりも最大15%優れていた。
  論文  参考訳（メタデータ） (2022-04-13T16:45:33Z)
• Reasoning Through Memorization: Nearest Neighbor Knowledge Graph Embeddings [29.94706167233985]
  kNN-KGEは、事前訓練された言語モデルを用いた新しい知識グラフ埋め込みアプローチである。 我々は、知識ストアからのエンティティ埋め込み空間内の距離に基づいて、最も近い隣人を計算する。
  論文  参考訳（メタデータ） (2022-01-14T17:35:16Z)

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。