自己KG:知識グラフにおける自己教師付きエンティティアラインメント【JST・京大機械翻訳】

Liu Xiao; Hong Haoyun; Wang Xinghao; Chen Zeyi; Kharlamov Evgeny; Dong Yuxiao; Tang Jie

プレプリント

J-GLOBAL ID：202202208773632418 整理番号：22P0297694

自己KG:知識グラフにおける自己教師付きエンティティアラインメント【JST・京大機械翻訳】

SelfKG: Self-Supervised Entity Alignment in Knowledge Graphs

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 (7件)： , , , , , ,
資料名：
発行年： 2022年03月02日プレプリントサーバーでの情報更新日： 2022年03月02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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

異なる知識グラフ(KG)の中の等価エンティティを同定する目的で,エンティティアラインメントは,WebスケールKGを構築するための基本的問題である。その開発の過程で,ラベル監視は正確なアラインメントに必要であると考えられている。自己監督学習の最近の進歩に触発されて,著者らは,エンティティアラインメントのための監督を取り除くことができる程度を調査する。共通して,ラベル情報(陽性エンティティ対)を用いて,各正対で整列エンティティを引っ張るプロセスを超視した。しかしながら,著者らの理論解析は,エンティティアラインメントの学習が,ラベル付けされたポジティブペアを閉じるよりも,互いに遠く離れた非ラベルの負対を押し出すことより,実際に利益を得ることができることを示唆する。この発見を利用して,エンティティアラインメントのための自己監督学習目標を開発した。ラベル監視なしにエンティティを整列させるためのこの目的を最適化するための効率的な戦略を有する自己KGを提示した。ベンチマークデータセットに関する広範な実験は,監視のない自己KGが,最先端の教師つきベースラインと同等な結果を整合または達成できることを示した。自己KGの性能は,自己監督学習がKGにおけるエンティティアラインメントのための大きな可能性を提供することを示唆する。コードとデータはhttps://github.com/THUDM/SelfKGで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , , , ,

前のページに戻る