文献

J-GLOBAL ID：201702275429970454   整理番号：17A1397695

自己学習と埋め込みに基づくエンティティのアラインメント【Powered by NICT】

Self-Learning and Embedding Based Entity Alignment

著者 (6件)： Guan Saiping ,  Jin Xiaolong ,  Jia Yantao ,  Wang Yuanzhuo ,  Shen Huawei ,  Cheng Xueqi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICBK  ページ： 33-40  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： エンティティ整列は異なるグループからのエンティティ間の意味的マッチングを同定することを目的とする。伝統的方法(例えば,属性比較に基づく方法,クラスタリングに基づく方法,および能動的学習法)は通常事前知識としての標識化データにより監視した。訓練のためのデータを標識するために自明ではないため,研究者は最近,教師なし手法に変化し,従って類似性に基づく方法,確率論的方法である,階層的グラフモデルに基づく方法などを開発した。知識グラフの重要な一部として,低次元ベクトル空間における知識グラフ埋め込みにより学習できる豊富な意味的情報を含んでいる。しかし,エンティティアラインメントのための既存の方法は,知識グラフ埋め込みにはほとんど注意を払ってきた。本論文では,意味的に整合したエンティティ対,エンティティの属性に含まれる意味的情報をフル活用することを見出し反復的に,SEEAと呼ばれるエンティティアラインメントのための自己学習と埋め込みに基づく方法を提案した。二現実的なデータセット上での実験とベースラインとの比較は,提案した方法の有効性と利点を検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *アラインメント ,  マッチング ,  基準線 ,  標識法 ,  ベクトル空間 ,  クラスタ化 ,  類似性 ,  確率論
準シソーラス用語： 低次元 ,  グラフモデル ,  事前知識 ,  *エンティティ ,  *自己学習 , 【Automatic Indexing@JST】

分類 (4件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： 自己学習 ,  埋め込み ,  エンティティ ,  アラインメント