文献

J-GLOBAL ID：202002242789824362   整理番号：20A1868071

関連度関連埋込みによる知識ベースにおけるスケーラブルなインスタンス再構成【JST・京大機械翻訳】

Scalable Instance Reconstruction in Knowledge Bases via Relatedness Affiliated Embedding

著者 (4件)： Zhang Richong (Beihang University, Beijing, China) ,  Li Junpeng (Beihang University, Beijing, China) ,  Mei Jiajie (Beihang University, Beijing, China) ,  Mao Yongyi (University of Ottawa, Ottawa, ON, Canada)
資料名： ACM Proceedings  (ACM Proceedings)
号： WWW ’18  ページ： 1185-1194  発行年： 2018年 
JST資料番号： D0698C  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： 知識ベース(KB)完了問題は,通常リンク予測問題として定式化される。そのような定式化は,KBが多倍関係を含む場合,ある応用シナリオを捉えることができない。本論文では,インスタンス再構成と呼ばれるKB完了の新しい定式化を示した。KBのサイズに線形複雑度を持つそのリンク予測対応物と異なり,この問題は,その複雑性が,高度多項式として振舞う。これはスケーラブルなインスタンス再構成アルゴリズムを開発する際に大きな挑戦を示す。本論文では,新しい知識埋込みモデル(RAE)を提示し,その事例再構成アルゴリズム(SIR)を構築した。SIRアルゴリズムは,複雑性低減のための「関連性」フィルタリングと同様に,スキーマベースのフィルタリングを利用する。ここでは,2つのエンティティが共通インスタンスに共参加する尤度を参照し,関連計量をRAEモデルから学習した。SIRは再構成性能を犠牲にすることなく計算複雑度を著しく低減することを実験的に示した。複雑性低減は,KBサイズを100から1000倍増加した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  多項式 ,  フィルタリング ,  計算量 ,  再構成 ,  定式化 ,  *知識ベース
準シソーラス用語： 複雑性 ,  尤度 ,  エンティティ ,  再構成アルゴリズム ,  線形複雑度 , 【Automatic Indexing@JST】

著者キーワード (3件)： 知識ベース表現 ,  リンク予測 ,  マルチフォールド関係

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 関連度 ,  埋込み ,  知識 ,  インスタンス ,  再構成