抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
時間的知識予測は,近年,時間的知識グラフに関する関連する歴史的事実を用いて将来の事実を予測することを目的とする,イベント早期警戒のための重要なタスクである。この予測タスクには二つの主な困難がある。最初に,歴史的事実の観点から,正確に質問を予測する事実の進化的パターンをモデル化する方法。第2に,質問展望から,質問が統一されたフレームワークにおいて見えないエンティティを含む2つのケースを取り扱う方法であった。2つの問題によって駆動して,著者らは,強化学習に基づく一時的知識予測のために,新規適応可能な擬似-シーム対策ネットワークを提案した。具体的には,2つのサブポリシーネットワークから成る擬似シームポリシーネットワークとして,このモデルにおけるポリシーネットワークを設計した。サブポリシーネットワークIでは,エージェントは,静的進化パターンを捉えるために,エンティティ関係経路に沿ったクエリに対する回答を探索する。そして,サブポリシーネットワークIIにおいて,エージェントは,関係-時間経路に沿ったクエリのための回答を探索して,非意味エンティティに対処した。さらに,時間的進化パターンを捕捉するための時間関係符号器を開発した。最後に,2つのサブポリシーネットワークの結果を適応的に統合するゲート機構を設計し,エージェントが destination先回答に焦点を当てた。著者らのモデル性能を評価するために,4つのベンチマークデータセットに関するリンク予測を行い,実験結果は,著者らの方法が既存の方法と比較してかなりの性能を得ることを実証した。【JST・京大機械翻訳】