ダングリングケースによるエンティティアラインメントのための半制約最適輸送【JST・京大機械翻訳】

Luo Shengxuan; Cheng Pengyu; Yu Sheng

プレプリント

J-GLOBAL ID：202202218158513560 整理番号：22P0302394

ダングリングケースによるエンティティアラインメントのための半制約最適輸送【JST・京大機械翻訳】

Semi-constraint Optimal Transport for Entity Alignment with Dangling Cases

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 (3件)： , ,
資料名：
発行年： 2022年03月10日プレプリントサーバーでの情報更新日： 2022年06月28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)

エンティティアラインメント(EA)は,知識グラフ(KG)を,異なるグラフにおける等価エンティティを同定することによって併合し,そしてそれは,KGの知識表現を効果的に強化することができた。しかし,実際には,異なるKGはしばしば,他のグラフで見つかることができないダングリングエンティティを含み,EA法の性能を制限する。ダングリングエンティティを有するEAを改善するために,著者らは,Danglingケース(SoTead)におけるエンティティアラインメントのための半制約最適輸送と呼ばれる教師なし方法を提案した。著者らの主なアイデアは,1つのKGのエンティティから他者への最適輸送問題として,2つのKG間のエンティティアラインメントをモデル化することである。最初に,事前訓練単語埋込みに基づくKG間の擬似エンティティペアを設定した。次に,各エンティティペア間の輸送コストを得るために,コントラストメトリック学習を行う。最後に,最適化制約を緩和し,半制約最適輸送に導く,他のKGからダングリングエンティティを「アサイン」するために,各KGに対する仮想エンティティを導入した。実験部分では,まず,一般的に使用されるエンティティアラインメントデータセット上のSoTeadの優位性を示した。さらに,他の基準線によるダングリングエンティティ検出の能力を解析するために,著者らは,著者らのSoTeadが最先端の性能に達する,医学交差言語知識グラフデータセット,MedEDを構築した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る