論文の概要: A Temporal Knowledge Graph for Music Festival Lineup Forecasting

• arxiv url: http://arxiv.org/abs/2609.24467v1
• Date: Mon, 21 Sep 2026 12:09:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 03:38:27.39986
• Title: A Temporal Knowledge Graph for Music Festival Lineup Forecasting
• Title（参考訳）: 音楽祭のラインナップ予測のための時間的知識グラフ
• Abstract要約: 55年間に380のフェスティバルをカバーし,90K以上のフェスティバルパフォーマンス4倍体からなる時間的知識グラフを作成した。 時間的知識グラフ(TKG)予測評価のためのリソースとしてリリースする。
• 参考スコア（独自算出の注目度）: 13.354338797915029
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Music festival lineups emerge from complex relationships among artists, genres, releases, labels, and past performances, making the prediction of future lineups a natural fit for temporal knowledge graph (TKG) forecasting. In this work, we present a TKG covering 380 festivals over 55 years, comprising more than 90K festival performance quadruples along with information on festivals, artist tours, and artist metadata, and release it as a resource for TKG forecasting evaluation. We formalize festival lineup forecasting as temporal link prediction between artists and festivals at future timestamps. We evaluate six TKG forecasting models on this task, analyze their capabilities and limitations, and compare them against Large Language Models applied zero-shot. Our resource complements existing TKG benchmarks by grounding evaluation in a concrete, real-world application domain.
• Abstract（参考訳）: 音楽祭のラインナップはアーティスト、ジャンル、リリース、ラベル、過去のパフォーマンスの複雑な関係から生まれ、将来のラインナップの予測は時間的知識グラフ(TKG)の予測に自然に適合する。 本研究は,祭典,アーティストツアー,アーティストメタデータなどの情報とともに,90K以上の祭典を4つにまとめ,55年以上にわたって380の祭典をカバーしたTKGを公開し,TKG予測評価のための資料として公開する。 我々は,今後のタイムスタンプにおけるアーティストとフェスティバルの時間的リンク予測として,フェスティバルラインナップ予測を定式化する。 このタスク上で6つのTKG予測モデルを評価し,その能力と限界を分析し,ゼロショットを適用した大規模言語モデルと比較した。 我々のリソースは、具体的な実世界のアプリケーションドメインで評価を行うことで、既存のTKGベンチマークを補完する。

関連論文リスト

• On the Cultural Anachronism and Temporal Reasoning in Vision Language Models [35.132248635251266]
  ヴィジュアル・ランゲージ・モデル(VLM)は、文化遺産にますます応用されている。 この研究は、これらのモデルが歴史的アーティファクトをどのように解釈するかという根本的な問題を特定する。 我々は、この現象を、時間的に不適切な概念を用いて歴史的対象を誤解釈する傾向である文化的アナクロニズムと定義する。
  論文  参考訳（メタデータ） (2026-05-14T16:58:16Z)
• Retrieval-Augmented Generation Meets Data-Driven Tabula Rasa Approach for Temporal Knowledge Graph Forecasting [0.0]
  sLA-tKGFは、時間的知識グラフ(tKG)予測のための小規模言語アシスタントである。 本フレームワークは,tKGとWeb検索結果の履歴データを用いて,知識注入型プロンプトを構築する。 幻覚を減らし、時間とともに変化する傾向を理解することで分布シフトの課題を緩和する。
  論文  参考訳（メタデータ） (2024-08-18T11:52:24Z)
• Selective Temporal Knowledge Graph Reasoning [70.11788354442218]
  時間的知識グラフ(TKG)は、与えられた歴史的事実に基づいて将来の事実を予測することを目的としている。 既存のTKG推論モデルは、不確実な予測を控えることができない。 本稿では,既存のモデルが無差別な予測ではなく選択的に行うのに役立つ,TKG推論の棄却機構を提案する。
  論文  参考訳（メタデータ） (2024-04-02T06:56:21Z)
• TEILP: Time Prediction over Knowledge Graphs via Logical Reasoning [14.480267340831542]
  本稿では,時間的要素を知識グラフ予測に自然に統合する論理的推論フレームワークTEILPを提案する。 まず、TKGを時間的事象知識グラフ(TEKG)に変換する。 最後に、条件付き確率密度関数を導入し、クエリ間隔を含む論理規則に関連付けて、時間予測に着く。
  論文  参考訳（メタデータ） (2023-12-25T21:54:56Z)
• SCTc-TE: A Comprehensive Formulation and Benchmark for Temporal Event Forecasting [63.01035584154509]
  私たちは完全に自動化されたパイプラインを開発し、約0.6百万のニュース記事からMidEast-TEという大規模なデータセットを構築しました。 このデータセットは、2015年から2022年まで、主に中東地域での協力と紛争イベントに焦点を当てている。 そこで本稿では,SCTc-TE予測にローカルコンテキストとグローバルコンテキストの両方を活用可能なLoGoを提案する。
  論文  参考訳（メタデータ） (2023-12-02T07:40:21Z)
• Temporal Graph Benchmark for Machine Learning on Temporal Graphs [54.52243310226456]
  テンポラルグラフベンチマーク(TGB)は、困難で多様なベンチマークデータセットのコレクションである。 各データセットをベンチマークし、共通のモデルのパフォーマンスがデータセット間で大きく異なることを発見した。 TGBは、再現可能でアクセス可能な時間グラフ研究のための自動機械学習パイプラインを提供する。
  論文  参考訳（メタデータ） (2023-07-03T13:58:20Z)
• GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
  我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。 全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。 我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-24T18:15:39Z)
• HiSMatch: Historical Structure Matching based Temporal Knowledge Graph Reasoning [59.38797474903334]
  本稿では,textbfHistorical textbfStructure textbfMatching (textbfHiSMatch)モデルを提案する。 クエリと候補エンティティの履歴構造に含まれる意味情報をキャプチャするために、2つの構造エンコーダを適用する。 6つのベンチマークデータセットの実験では、提案されたHiSMatchモデルが、最先端のベースラインと比較して最大5.6%のパフォーマンス改善を達成している。
  論文  参考訳（メタデータ） (2022-10-18T09:39:26Z)
• xERTE: Explainable Reasoning on Temporal Knowledge Graphs for Forecasting Future Links [21.848948946837844]
  本稿では,時間的KGのクエリ関連部分グラフを理由とするリンク予測フレームワークを提案する。 本稿では,囲い込み部分グラフの抽出を導くための時間的関係性注意機構と新しい逆表現更新方式を提案する。 我々のアプローチは予測を説明する人間の理解可能な証拠を提供する。
  論文  参考訳（メタデータ） (2020-12-31T10:41:01Z)

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。