ModulE:知識グラフのためのモジュール埋込み【JST・京大機械翻訳】

Chai Jingxuan; Shi Guangming

プレプリント

J-GLOBAL ID：202202210074162443 整理番号：22P0301352

ModulE:知識グラフのためのモジュール埋込み【JST・京大機械翻訳】

ModulE: Module Embedding for 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 (2件)： ,
資料名：
発行年： 2022年03月09日プレプリントサーバーでの情報更新日： 2022年03月09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)

知識グラフ埋込み(KGE)は知識グラフの欠落リンクを予測するための強力なツールであることが示されている。しかしながら,既存の方法は,主にモデリング関係パターンに焦点を合わせ,一方,実場,複素場,および四元数空間のようなベクトル空間にエンティティを単純に埋め込む。より厳密で理論的視点から埋込み空間をモデル化するために,著者らは,回転ベースモデルのための新しい一般的グループ理論ベースの埋込みフレームワークを提案し,その中で,エンティティと関係をグループ要素として埋め込んだ。さらに,より利用可能なKGEモデルを探索するために,より一般的なグループ構造,モジュール,ベクトル空間の一般化概念を利用した。特に,このフレームワークの下で,著者らは,モジュールにエンティティを投影するより一般的な埋込み法,ModulEを導入した。ModulEの方法に従って,著者らは異なるモジュール構造を採用することによって,ModulE_R,C,ModulE_R,HおよびModulE_H,Hの3つのインスタント化モデルを構築した。”ModulE_R,C,ModulE_R,HおよびModulE_H,H。実験結果は,ModulE_H,Hが,非可換リング上のモジュールに実体を埋め込むことを,複数のベンチマークデータセット上で最先端の性能を達成することを示した。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る