文献

J-GLOBAL ID：202202212890854381   整理番号：22A0797987

双曲線スキップグラフ畳込みネットワークによる知識埋込み【JST・京大機械翻訳】

Knowledge embedding via hyperbolic skipped graph convolutional networks

著者 (3件)： Yao Shuanglong (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China) ,  Pi Dechang (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China) ,  Chen Junfu (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 480  ページ： 119-130  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 低次元表現空間を構築する目的で,双曲線知識埋込みは,様々な情報検索と機械学習タスクにおけるホットスポットになった。しかしながら,既存の双曲線知識埋込み方法の大部分は浅い埋込みに焦点を合わせ,しばしば知識グラフのネットワーク構造特性(例えば階層構造)を無視する。したがって,本論文では,低埋込み次元要求でリンク予測精度を改善するために,新しい双曲線知識グラフ畳込みネットワーク,HSKGCNを設計した。最初に,モデルを,Poincareボールに関する双曲線幾何学的操作に基づいて設計し,そしてそれは,知識グラフの階層構造を捕えるために,双曲線幾何学(例えば,Poincareボール)の特性を効果的に利用することができた。第二に,各単層畳み込み層は特徴凝集重みを導入し,それは凝集プロセスの間のノード特徴の合理的分布を確実にする。さらに,スキップ接続機構をHSKGCNに適用し,グラフ畳込み層の積層に起因する情報損失を弱めた。最後に,ベンチマークデータセット,WN18RRおよびFB15k-237上でHSKGCNを評価した。実験は,HSKGCNが32次元埋込みタスクに関して最先端のモデルに対して実質的な改良を達成して,WN18RRに関する異なる関係の結果は,ツリートポロジーと類似のグラフがよりよく実行できることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  凝集 ,  *グラフ ,  *畳込み ,  情報検索 ,  *ネットワーク ,  双曲線 ,  凝集処理 ,  ホットスポット ,  知識表現 ,  ベンチマーク ,  埋込み【挿入】 ,  機械学習
準シソーラス用語： 予測精度 ,  低次元 , 【Automatic Indexing@JST】

著者キーワード (6件)： 双曲線空間 ,  Poincareボール ,  知識グラフ ,  知識埋め込み ,  知識表現 ,  リンク予測

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 双曲線 ,  グラフ ,  畳込み ,  知識 ,  埋込み