本論文は、知識グラフ埋め込み(KGE)モデルにおいて、複素数表現を用いることで得られる高い性能を維持しつつ、メモリ効率を向上させる手法を提案している。
具体的には以下の通りである:
複素数表現を用いたKGEモデルの中でも優れた性能を示す2つのモデル(ComplEx、5⋆E)に対して、適切な次元のパラメータを共役形式で表現することで、関係埋め込みのサイズを半分に削減できる。
提案手法を適用したComplϵxとモデルは、元のComplExと同等の性能を維持しつつ、平均31%の学習時間の短縮を実現した。
提案手法を適用した5⋆ϵモデルは、元の5⋆Eと同等以上の性能を示しつつ、メモリ効率とトレーニング時間の両面で大幅な改善を達成した。
提案手法は、複素数表現を用いたKGEモデルに一般的に適用可能であり、メモリ効率とトレーニング時間の改善を実現しつつ、高い性能を維持できることを示した。
toiselle kielelle
lähdeaineistosta
arxiv.org
Tärkeimmät oivallukset
by Xincan Feng,... klo arxiv.org 04-19-2024
https://arxiv.org/pdf/2404.11809.pdfSyvällisempiä Kysymyksiä