エンティティアラインメントのための深層強化学習【JST・京大機械翻訳】

Guo Lingbing; Han Yuqiang; Zhang Qiang; Chen Huajun

プレプリント

J-GLOBAL ID：202202210355219347 整理番号：22P0299965

エンティティアラインメントのための深層強化学習【JST・京大機械翻訳】

Deep Reinforcement Learning for Entity Alignment

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 (4件)： , , ,
資料名：
発行年： 2022年03月07日プレプリントサーバーでの情報更新日： 2022年03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)

埋込みベースの方法は,最近のエンティティアラインメント(EA)研究においてますます注目を集めている。非常に有望であるが,まだいくつかの制限がある。最も注目すべきことは,それらがコサイン類似性に基づく配列エンティティを同定し,埋込み自体の根底にある意味論を無視することである。さらに,これらの方法は,目標として最も近いエンティティを発見的に選択し,複数のエンティティを同じ候補にマッチさせるのを可能にする。これらの限界に取り組むために,エージェントが逐次意思決定タスクとしてエンティティアラインメントをモデル化し,その中でエージェントは,2つのエンティティがそれらの表現ベクトルに基づいてマッチするか,または不整合であるかどうかを逐次的に決定する。提案した強化学習(RL)ベースエンティティアラインメントフレームワークは,ほとんどの埋込みベースEA法に柔軟に適応できる。実験結果は,Hits@1で31.1%の最大改善で,いくつかの最先端の方法の性能を一貫して進歩させることを示した。【JST・京大機械翻訳】

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

検索技術 , 自然語処理

, ,

前のページに戻る