文献

J-GLOBAL ID：202202286224938847   整理番号：22A0636685

四元数変換と畳込みニューラルネットワークに基づく知識グラフ埋込み【JST・京大機械翻訳】

Knowledge Graph Embedding Based on Quaternion Transformation and Convolutional Neural Network

著者 (6件)： Gao Yabin (State Grid Financial Technology Group, State Grid Electronic Commerce Co., Ltd., Beijing, China) ,  Tian Xiaoyun (State Grid Financial Technology Group, State Grid Electronic Commerce Co., Ltd., Beijing, China) ,  Zhou Jing (State Grid Financial Technology Group, State Grid Electronic Commerce Co., Ltd., Beijing, China) ,  Zheng Bin (State Grid Ecommerce Technology Co., Ltd., Tianjin, China) ,  Li Hairu (State Grid Ecommerce Technology Co., Ltd., Tianjin, China) ,  Zhu Zizhong (College of Intelligence and Computing, Tianjin University, Tianjin, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13088  ページ： 128-136  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 機械の認知知能において,ますます多くの研究者は,エンティティの構造を表現する知識グラフを使用する。知識表現学習の基本的アイデアは,ベクトル空間に知識(エンティティと関係)を投影することである。2D空間に組み込まれたエンティティと関係は,それらの間の相互情報を得るために畳み込みニューラルネットワークを使用する。しかし,ニューラルネットワークの特徴抽出能力は入力特徴情報によって制限される。したがって,四元数変換と畳み込みニューラルネットワーク(QCKGE)に基づく知識グラフ埋込みと呼ぶ著者らのモデルは,エンティティと関係相互特徴の豊かさによって入力特徴の限界を解決することを目的とする。最初に,エンティティと関係を二次元実数空間として表現した。次に,これらの特徴を四元数空間に写像し,エンティティと関係を表現する能力を増加させた。最後に,畳み込みニューラルネットワークは,エンティティにおけるより豊富な対話型情報とリンク予測のための関係性をマイニングする。また,本論文は,特徴に隠されたより深い情報をマイニングするために,多層畳込みニューラルネットワークを使用した。WN18,FB15k,WN18RR,およびFB15k-237のデータセットにおいて,既存のモデルと比較して,著者らの設計はより良い結果を示すことができた。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ベクトル空間 ,  学習 ,  情報 ,  特性 ,  *ニューラルネットワーク ,  特徴抽出 ,  認識 ,  空間 ,  実数 ,  二次元 ,  知識表現 ,  *四元数
準シソーラス用語： 対話型 ,  エンティティ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 四元数変換 ,  知識グラフ ,  畳込みニューラルネットワーク

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 四元数 ,  畳込みニューラルネットワーク ,  知識 ,  グラフ埋込み