文献

J-GLOBAL ID：202202257005237719   整理番号：22A0931028

知識グラフリンク予測のためのノード共起ベースグラフニューラルネットワーク【JST・京大機械翻訳】

Node Co-occurrence based Graph Neural Networks for Knowledge Graph Link Prediction

著者 (4件)： Nguyen Dai Quoc (Oracle Labs, Brisbane, Australia) ,  Tong Vinh (VinAI Research, Hanoi, Vietnam) ,  Phung Dinh (Monash University, Melbourne, Australia) ,  Nguyen Dat Quoc (VinAI Research, Hanoi, Vietnam)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’22  ページ： 1589-1592  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 知識グラフ完了(すなわち,リンク予測)を改善するために,エンティティ間の共起性とグラフニューラルネットワークへの関係を統合することを目指したNoGEと名付けた新しい埋込みモデルを導入した。知識グラフを与えられた場合,NoGEは,個々のノードとしてエンティティと関係を考慮した単一グラフを構築する。次に,エンティティと関係の同時発生に基づくノード間のエッジの重みを計算する。次に,NoGEは二重四元数グラフニューラルネットワーク(DualQGNN)を提案して,エンティティと関係ノードのためにベクトル表現を更新するために二重QGNNを利用する。次に,NoGEはスコア関数を採用し,三重スコアを生成した。包括的な実験結果は,NoGEが知識グラフ完了のための3つの新規で難しいベンチマークデータセットCoDExに関する最新の結果を得ることを示す。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *グラフ ,  表現 ,  ベクトル ,  データ ,  予測 ,  *ニューラルネットワーク ,  モデル ,  端部 ,  同時発生 ,  四元数
準シソーラス用語： 共起性 ,  エンティティ ,  スコア関数 , 【Automatic Indexing@JST】

著者キーワード (4件)： グラフニューラルネットワーク ,  知識グラフ完成 ,  知識グラフ埋込み ,  四元数

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 知識グラフ ,  リンク ,  予測 ,  ノード ,  グラフニューラルネットワーク