Core Concepts
セマンティック相関を利用した新しいサブグラフベースの方法TACOが、グラフレベル情報とエッジレベルの相互作用を統合して推論を行い、帰納的リンク予測タスクで優れたパフォーマンスを発揮する。
Abstract
セマンティック相関に基づく新しいサブグラフベースの方法TACOが提案された。
TACOは、セマンティック相関とトポロジー構造を効果的に活用し、帰納的リンク予測タスクで優れた性能を示す。
CCNおよびCCN+サブグラフ抽出手法が提案され、不要な規則を排除しつつ適切な規則を保持することが示されている。
Stats
多くの人気メソッドはグラフレベル特徴に焦点を当てている。
新しいサブグラフベースの方法TACOは、セマンティック相関とトポロジー構造を統合して推論を行う。
TACOは既存の最先端メソッドよりも優れたパフォーマンスを示す。
Quotes
"Many popular methods mainly focus on modeling graph-level features."
"We propose a novel subgraph-based method, namely TACO, to model Topology-Aware COrrelations between relations."
"TACO effectively unifies the graph-level information and edge-level interactions to jointly perform reasoning."