文献

J-GLOBAL ID：202202228998437291   整理番号：22A0980853

逐次セマンティック知識グラフ埋込み【JST・京大機械翻訳】

Sequential Semantic Knowledge Graph Embedding

著者 (3件)： Shang Yu-Ming (Beijing Institute of Technology, Beijing, China) ,  Huang Heyan (Beijing Institute of Technology, Beijing, China) ,  Yuan Yan (Beijing Institute of Technology, Beijing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 861  ページ： 1547-1557  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 知識グラフ埋込みは,低次元連続ベクトル空間における知識グラフのエンティティと関係を表現することを目的とする。以前の埋込みモデルは,トリプルにおける逐次意味情報にほとんど注目せず,結果として,意味ドリフト問題につながる可能性がある。この目的に向けて,本論文ではこの問題に対処するための新しい逐次意味埋込み(SeqSemE)モデルを提案した。最初に,逐次言語モデルを利用して,三重の逐次情報とエンティティと関係の間の相互作用を捉えた。第二に,意味ドリフトを避けるために,各関係に対して2つの埋込みを学習する方法を提案した。リンク予測に関する広範な実験は,SeqSemEが効率的で有効であることを示した。それは,以前の最先端の埋込みモデルより良い性能を得ることができる。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *グラフ ,  相互作用 ,  ベクトル空間 ,  情報 ,  データ ,  ドリフト ,  知識 ,  モデル ,  *埋込み【挿入】 ,  言語モデル
準シソーラス用語： 意味情報 ,  低次元 ,  エンティティ ,  *グラフ埋込み , 【Automatic Indexing@JST】

著者キーワード (3件)： 知識グラフ ,  知識グラフ埋込み ,  リンク予測

分類 (1件)： グラフ理論基礎  (IA02020S)

タイトルに関連する用語 (2件)： 知識 ,  グラフ埋込み