ポジティブサンプリングなしの知識グラフ埋込み【JST・京大機械翻訳】

Hajimoradlou Ainaz; Kazemi Mehran

プレプリント

J-GLOBAL ID：202202201731731128 整理番号：22P0024898

ポジティブサンプリングなしの知識グラフ埋込み【JST・京大機械翻訳】

Stay Positive: Knowledge Graph Embedding Without Negative Sampling

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月07日プレプリントサーバーでの情報更新日： 2022年01月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

知識グラフ(KG)は典型的には不完全であり,既存のものを与えられた新しい事実を推論することが多い。これはバイナリ分類問題として考えられる。著者らは,新しい事実が真または偽であるかどうかを予測することを目的とする。残念なことに,著者らは,一般に,正の例(既知の事実)を持つが,分類器を訓練するには,負のものを必要とする。これを解決するため,負のサンプリング戦略を用いて負の例を生成することが通常である。しかし,これは,性能を低下させる可能性がある偽陰性を生成し,計算的に高価であり,較正された分類確率を生成しない。本論文では,損失関数に新しい正則化項を加えることにより,負のサンプリングの必要性を除外する訓練手続きを提案した。2つの関係埋込みモデル(DistMultとSimplE)に対する結果は,性能と速度の両方に関して提案の利点を示した。【JST・京大機械翻訳】

, , ,
, , 【Automatic Indexing@JST】

人工知能 , パターン認識

, ,

前のページに戻る