CAKE:マルチビュー知識グラフ完成のためのスケーラブルな常識を意識したフレームワーク【JST・京大機械翻訳】

Niu Guanglin; Li Bo; Zhang Yongfei; Pu Shiliang

プレプリント

J-GLOBAL ID：202202220556240781 整理番号：22P0296397

CAKE:マルチビュー知識グラフ完成のためのスケーラブルな常識を意識したフレームワーク【JST・京大機械翻訳】

CAKE: A Scalable Commonsense-Aware Framework For Multi-View Knowledge Graph Completion

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02月24日プレプリントサーバーでの情報更新日： 2022年04月17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)

知識グラフは,まだ不完全であるが,必然的に不完全である。以前の知識グラフ完了(KGC)モデルは,単に事実ビューデータに頼るエンティティ間の欠測リンクを予測し,貴重なコモンセンス知識を無視している。以前の知識グラフ埋込み(KGE)技術は,無効な負のサンプリングと,KGCの性能を制限する事実ビューリンク予測の不確実性に悩まされる。上記の課題に取り組むために,エンティティ概念を持つ実際のトリプルからコモンセンスを自動的に抽出するための,新規でスケーラブルなコモンセンスアウェア知識埋込み(CAKE)フレームワークを提案した。生成されたコモンセンスは,高品質な負のサンプリング(NS)と共同コモンセンスと事実ビューリンク予測の両方を容易にするために,効果的な自己スーパービジョンを強化する。KGCタスクに関する実験結果は,このフレームワークの組み立てが元のKGEモデルの性能を強化でき,提案したコモンセンス認識NSモジュールが他のNS技術よりも優れていることを示した。さらに,提案フレームワークは様々なKGEモデルに容易に適応でき,予測結果を説明した。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る