文献

J-GLOBAL ID：201902252210672460   整理番号：19A0517769

動的翻訳による知識グラフ埋込み【JST・京大機械翻訳】

Knowledge Graph Embedding by Dynamic Translation

著者 (6件)： Chang Liang (Guangxi Key Laboratory of Trusted Software, Guilin University of Electronic Technology, Guilin, China) ,  Zhu Manli (Guangxi Key Laboratory of Trusted Software, Guilin University of Electronic Technology, Guilin, China) ,  Gu Tianlong (Guangxi Experiment Center of Information Science, Guilin University of Electronic Technology, Guilin, China) ,  Bin Chenzhong (Guangxi Experiment Center of Information Science, Guilin University of Electronic Technology, Guilin, China) ,  Qian Junyan (Guangxi Key Laboratory of Trusted Software, Guilin University of Electronic Technology, Guilin, China) ,  Zhang Ji (Faculty of Health, Engineering and Sciences, University of Southern Queensland, Toowoomba, QLD, Australia)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 20898-20907  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 知識グラフ埋め込みは,高密度,低次元,実数値ベクトルとして知識グラフにおける実体と関係を表現することを目的とする。それは,知識グラフにおける実体と関係の意味論的相関を効率的に測定することができて,知識獲得,融合と推論の性能を向上させることができた。近年,様々な埋め込みモデルの中で,TransE,TransH,transrおよびTransparseのような翻訳ベースのモデルが最先端の性能を達成する。しかしながら,これらのモデルに適用される翻訳原理は厳密ではなく,複雑な実体と関係を非常によく扱うことができない。本論文では,パラメータベクトルをヘッドエンティティからテールエンティティへの変換として扱う翻訳原理に導入することにより,エンティティの埋め込みと関係の間の柔軟な翻訳をサポートする新しい動的翻訳原理を提案した。この原理を用いて,TransE,transrおよびTransparseモデルをそれぞれ改良し,TransE-DT,TransR-DTおよびTransparse-DTと名付けた新しいモデルを構築した。実験結果は,著者らの動的変換原理がリンク予測タスクと三重分類タスクの両方において大きな改善を達成することを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *グラフ ,  予測 ,  意味論 ,  知識獲得 ,  ベクトル ,  実数
準シソーラス用語： エンティティ ,  低次元 ,  高密度 ,  グラフ埋込み , 【Automatic Indexing@JST】

分類 (2件)： 自然語処理  (JE06000L) ,  音声処理  (JE05000E)

タイトルに関連する用語 (3件)： 翻訳 ,  知識 ,  グラフ埋込み