『徳島大学 教育・研究者情報データベース (EDB)』---[学外] /
ID: Pass:

登録内容 (EID=364570)

EID=364570EID:364570, Map:0, LastModified:2020年10月26日(月) 14:01:46, Operator:[三好 小文], Avail:TRUE, Censor:0, Owner:[任 福継], Read:継承, Write:継承, Delete:継承.
種別 (必須): 学術論文 (審査論文) [継承]
言語 (必須): 英語 [継承]
招待 (推奨):
審査 (推奨): Peer Review [継承]
カテゴリ (推奨): 研究 [継承]
共著種別 (推奨): 国際共著 (徳島大学内研究者と国外研究機関所属研究者との共同研究) [継承]
学究種別 (推奨):
組織 (推奨): 1.大学院ソシオテクノサイエンス研究部.情報ソリューション部門 (2006年4月1日〜) [継承]
著者 (必須): 1. (英) Zhao, Yu (日) (読)
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
2. (英) Zhang, Anxiang (日) (読)
役割 (任意): 共著 [継承]
貢献度 (任意):
学籍番号 (推奨):
[継承]
3. (英) Feng, Huali (日) (読)
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
4. (英) Li, Qing (日) (読)
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
5. (英) Gallinari, Patrick (日) (読)
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
6.任 福継 ([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座]/->個人[中川 福継])
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
題名 (必須): (英) Knowledge graph entity typing via learning connecting embeddings  (日) ナレッジグラフエンティティタイピング学習による接続埋め込み   [継承]
副題 (任意):
要約 (任意): (英) Knowledge graph (KG) entity typing aims at inferring possible missing entity type instances in KG, which is a very significant but still under-explored subtask of knowledge graph completion. In this paper, we propose a novel approach for KG entity typing which is trained by jointly utilizing local typing knowledge from existing entity type assertions and global triple knowledge in KGs. Specifically, we present two distinct knowledge-driven effective mechanisms of entity type inference. Accordingly, we build two novel embedding models to realize the mechanisms. Afterward, a joint model via connecting them is used to infer missing entity type instances, which favors inferences that agree with both entity type instances and triple knowledge in KGs. Experimental results on two real-world datasets (Freebase and YAGO) demonstrate the effectiveness of our proposed mechanisms and models for improving KG entity typing.  (日) ナレッジグラフ(KG)エンティティタイピングは,KGで欠落している可能性のあるエンティティタイプのインスタンスを推測することを目的としています.これは,ナレッジグラフ完了の非常に重要ですが,まだ十分に調査されていないサブタスクです. このホワイトペーパーでは,既存のエンティティタイプアサーションからのローカルタイピング知識とKGのグローバルトリプルナレッジを併用することでトレーニングされるKGエンティティタイピングの新しいアプローチを提案します. 具体的には,エンティティタイプの推論に関する2つの異なる知識主導の効果的なメカニズムを示します. したがって,メカニズムを実現するために2つの新しい埋め込みモデルを構築します. その後,それらを接続することによる結合モデルを使用して,欠落しているエンティティタイプのインスタンスを推論します.これにより,エンティティタイプのインスタンスとKGのトリプルナレッジの両方に一致する推論が優先されます. 2つの実世界のデータセット(FreebaseとYAGO)の実験結果は,KGエンティティのタイピングを改善するための提案されたメカニズムとモデルの有効性を示しています.   [継承]
キーワード (推奨):
発行所 (推奨): Elsevier (->組織[Elsevier Science]) [継承]
誌名 (必須): Knowledge-based Systems ([Elsevier])
(pISSN: 0950-7051, eISSN: 1872-7409)

ISSN (任意): 0950-7051
ISSN: 0950-7051 (pISSN: 0950-7051, eISSN: 1872-7409)
Title: Knowledge-based systems
Title(ISO): Knowl Based Syst
Publisher: Elsevier BV
 (NLM Catalog  (Scopus  (CrossRef (Scopus information is found. [need login])
[継承]
[継承]
(必須): [継承]
(必須): 1 [継承]
(必須): [継承]
都市 (任意):
年月日 (必須): 西暦 2020年 3月 初日 (令和 2年 3月 初日) [継承]
URL (任意): https://www.sciencedirect.com/science/article/pii/S0950705120301921 [継承]
DOI (任意): 10.1016/j.knosys.2020.105808    (→Scopusで検索) [継承]
PMID (任意):
NAID (任意):
WOS (任意):
Scopus (任意): 2-s2.0-85082527535 [継承]
評価値 (任意):
被引用数 (任意):
指導教員 (推奨):
備考 (任意):

標準的な表示

和文冊子 ● Yu Zhao, Anxiang Zhang, Huali Feng, Qing Li, Patrick Gallinari and Fuji Ren : Knowledge graph entity typing via learning connecting embeddings, Knowledge-based Systems, No.1, 2020.
欧文冊子 ● Yu Zhao, Anxiang Zhang, Huali Feng, Qing Li, Patrick Gallinari and Fuji Ren : Knowledge graph entity typing via learning connecting embeddings, Knowledge-based Systems, No.1, 2020.

関連情報

Number of session users = 0, LA = 1.26, Max(EID) = 372500, Max(EOID) = 996244.