LEMON:知識グラフ埋込みの負サンプリングのためのLanguagE ModeL【JST・京大機械翻訳】

Rony Md Rashad Al Hasan; Alam Mirza Mohtashim; Ali Semab; Lehmann Jens; Vahdati Sahar

プレプリント

J-GLOBAL ID：202202213654167000 整理番号：22P0301353

LEMON:知識グラフ埋込みの負サンプリングのためのLanguagE ModeL【JST・京大機械翻訳】

LEMON: LanguagE ModeL for Negative Sampling of Knowledge Graph Embeddings

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 (5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10月15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)

知識グラフ埋込みモデルは,機械学習の重要な領域になった。これらのモデルは,リンク予測のような下流機械学習タスクに使用できる知識グラフにおけるエンティティと関係の潜在表現を提供する。そのようなモデルの学習プロセスは,正と負の三重の対比によって行うことができる。KGの全ての三重は正であると考えられているが,負のトリプルは通常容易に利用できない。したがって,負のトリプルを得るためのサンプリング法の選択は,知識グラフ埋込みモデルの性能と有効性において重要な役割を果たす。多くの現在の方法は,しばしば意味のないトリプルを含む,根底にある知識グラフにおけるエンティティのランダム分布から負のサンプルをフェッチする。他の既知の方法は,その結果,プロセスの効率を低下させる敵対的技術または生成ニューラルネットワークを使用する。本論文では,エンティティに関する利用可能な相補的知識を考慮して,有益な負のサンプルを生成するためのアプローチを提案した。特に,事前訓練言語モデルを用いて,エンティティ間の距離を利用して近傍クラスタを形成し,テキスト情報を介して記号エンティティの表現を得た。この包括的評価は,リンク予測タスクのためのテキスト情報によるベンチマーク知識グラフに対する提案アプローチの有効性を実証した。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る