論文の概要: Graph-to-Table Interfaces Control Relational Generalisation

• arxiv url: http://arxiv.org/abs/2610.25993v1
• Date: Mon, 19 Oct 2026 08:18:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 03:11:35.806324
• Title: Graph-to-Table Interfaces Control Relational Generalisation
• Title（参考訳）: Graph-to-Table Interfaces Control Relational Generalization
• Abstract要約: 1つのコンポーネントに関する結論は、他のコンポーネントが変更されたときに変わる可能性があることを示す。 CLUTRRでは、絶対位置符号化は評価されたクエリ間の全ての区別を維持し、ショートパス設定にほぼ完全に適合する。 GraphLogでは、エンコーダの好みはデコーダに依存し、関係数表現はCatBoostツリーの深さが増加するにつれて低下する。
• 参考スコア（独自算出の注目度）: 57.54393003704323
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph-to-table systems combine three design choices: an encoder that maps relational evidence to feature rows, a context constructor that selects labelled examples, and a tabular decoder. We investigate whether these components can be evaluated independently through matched comparisons that change one component while holding the rest of the pipeline and the evaluation constant. Across logistic regression, CATBOOST, and TABPFN-3 on CLUTRR, 57 GraphLog worlds, and 57 knowledge graphs, we show that conclusions about one component can change when the others change. On CLUTRR, absolute positional encodings maintain all distinctions among the evaluated queries and fit the short-path setting nearly perfectly; yet, they generalise worse than relation-count features because the supported prefix acts as a shortcut that breaks down on longer paths. On GraphLog, encoder preference depends on the decoder, while the relation-count representation degrades as CatBoost tree depth increases. Across different knowledge graphs, adding the frozen ULTRA score to local features is consistently useful, whereas adding local features to the score has a smaller and less stable effect. A pointwise TABPFN-3 readout using the full encoder underperforms native ULTRA on 48 of 57 datasets. These results show that encoder assessment depends jointly on context and decoder, while panel-level conclusions can also depend on evaluation and aggregation protocols.
• Abstract（参考訳）: グラフからテーブルへのシステムには、リレーショナルエビデンスをフィーチャー行にマッピングするエンコーダ、ラベル付き例を選択するコンテキストコンストラクタ、表付きデコーダの3つの設計選択が含まれている。 パイプラインの残りの部分と評価定数を保持しながら、1つのコンポーネントを変更するマッチング比較により、これらのコンポーネントを独立して評価できるかどうかを検討する。 CLUTRR, 57 GraphLog worlds, 57 knowledge graphs のロジスティック回帰, CATBOOST, TABPFN-3 では, 他が変化すると, 一つの成分に関する結論が変わることが示されている。 CLUTRRでは、絶対的な位置エンコーディングは評価されたクエリ間のすべての区別を維持し、ショートパス設定をほぼ完全に適合させるが、サポート対象のプレフィックスが長いパスを分解するショートカットとして機能するため、関係カウント機能よりも悪いものを一般化する。 GraphLogでは、エンコーダの好みはデコーダに依存し、関係数表現はCatBoostツリーの深さが増加するにつれて低下する。 異なる知識グラフにまたがって、凍結したULTRAスコアを局所的な特徴に追加することは一貫して有用であるが、スコアに局所的な特徴を追加することは、より小さく、より安定した効果をもたらす。 フルエンコーダを使用したポイントワイズTABPFN-3の読み出しは、57データセット中48のネイティブULTRAを実行する。 これらの結果から,エンコーダの評価はコンテキストとデコーダに大きく依存し,パネルレベルの結論は評価と集約プロトコルにも依存することがわかった。

関連論文リスト

• HiER-BLS: A Hierarchy-Guided and Error-Correcting Robust Incremental Broad Learning System [49.8459545291965]
  Broad Learning System (BLS) は分析学習と漸進的な拡張をサポートする。 階層化誘導型表現成長と誤り訂正学習を併用するHiER-BLSを提案する。
  論文  参考訳（メタデータ） (2026-10-05T05:37:40Z)
• Analytic-Walk Rotary Positional Encodings for Graphs [49.85093436361195]
  回転位置符号化は相対的な位置に対して注意を向けるが、グラフに拡張するには、グラフ構造がどのように回転に入るかを選択する必要がある。 従来の作業では、各ノードにスペクトル座標からの回転を割り当てていたため、2つのノード間の回転係数はエンドポイントに依存しており、それらを接続するルートを区別することができない。 我々はAW-RoPEを導入し、エッジに回転を配置し、すべてのウォークに移動した特徴を合計するので、異なるルートに沿ったコントリビューションが強化またはキャンセルできる。
  論文  参考訳（メタデータ） (2026-09-26T03:00:22Z)
• CAGE: Coherence-Aware Graph Encoding for Retrieval-Augmented Generation [2.3578002163476266]
  従来のRetrieval-Augmented Generation (RAG)システムでは、クエリに対して各パスを独立してスコア付けする。 私たちはCoherence-Aware Graph AGE(CAGE)を紹介します。 我々のパイプラインは、取得したパスを向不均一なエンティティグラフに変換する。
  論文  参考訳（メタデータ） (2026-09-04T02:27:34Z)
• TraceGraph: Shared Decision Landscapes for Diagnosing and Improving Agent Trajectories [61.51984029109709]
  グラフベースのフレームワークであるTraceGraphを紹介した。 各タスクに対して、TraceGraphは、モデルIDが導入される前に、プールされたロールアウトから観測可能なアクション・オブザーブレーション状態のグラフを構築する。 次に、結果インフォームされた生産的なコアとトラップリージョンをオーバーレイし、各ロールアウトを3つのイベント – アクセス、トラップ露出、修復 – で要約する。
  論文  参考訳（メタデータ） (2026-05-29T13:40:31Z)
• Ex-GraphRAG: Interpretable Evidence Routing for Graph-Augmented LLMs [13.05420221505417]
  GraphRAGは、知識グラフから取得したサブグラフ上の言語モデルを、メッセージパスGNNを介して符号化する。 我々は、GNNエンコーダをGraph Neural Additive Network (M-GNAN)に置き換えるEx-GraphRAGを紹介する。 STaRK-Primeでは、この監査可能なエンコーダはブラックボックスのパフォーマンスにマッチする。
  論文  参考訳（メタデータ） (2026-05-21T04:43:08Z)
• RELATE: A Schema-Agnostic Perceiver Encoder for Multimodal Relational Graphs [5.733537785958372]
  マルチテーブルデータドメインは、電子商取引、医療、科学研究で一般的である。 既存のグラフネットワークは、各ノードタイプの特徴列に対して別々のモジュールを必要とするスキーマ固有の特徴エンコーダに依存している。 RELATEはプラグイン・アンド・プレイ機能を持つエンコーダで、汎用的なモダリティで使用することができる。
  論文  参考訳（メタデータ） (2025-10-22T18:27:49Z)
• GraphDCA -- a Framework for Node Distribution Comparison in Real and Synthetic Graphs [72.51835626235368]
  2つのグラフを比較するとき、ノード構造的特徴の分布は、グローバルグラフ統計よりも有益である、と我々は主張する。 本稿では,各ノード表現セットのアライメントに基づいてグラフ間の類似性を評価するフレームワークGraphDCAを提案する。
  論文  参考訳（メタデータ） (2022-02-08T14:19:19Z)
• Graph Convolution Machine for Context-aware Recommender System [59.50474932860843]
  グラフ畳み込みの利点を文脈認識推薦システム(CARS)に拡張する。 我々は、エンコーダ、グラフ畳み込み層、デコーダの3つのコンポーネントからなるエンドツーエンドフレームワークである textitGraph Convolution Machine (GCM) を提案する。 我々はYelpとAmazonの3つの実世界のデータセットで実験を行い、GCMの有効性とCARSのためのグラフ畳み込みの利点を検証する。
  論文  参考訳（メタデータ） (2020-01-30T15:32:08Z)

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。