本研究は、知識グラフ(KG)の関係予測タスクに取り組んでいる。KGは人工知能アプリケーションで広く利用されているが、KGは不完全であることが多い。従来の研究では主にリンク予測に焦点を当ててきたが、関係予測タスクも重要である。
本研究では、構造的情報と言語的情報の両方を活用したモデル(RPEST)を提案している。構造的情報はNode2Vecアルゴリズムを使って表現し、言語的情報はGloveの事前学習済み単語埋め込みを使って表現する。これらの表現を組み合わせて、関係予測のための入力とする。
実験では、広く使われているFreebaseデータセットのFB15Kサブセットを使用した。RPESTは、従来の関係予測モデルと比較して優れた性能を示した。特に、言語的情報と構造的情報を組み合わせることで、良好な結果が得られることが分かった。また、マスクド言語モデルと比べて計算コストが低いGloveを使うことで、効率的な実装が可能となった。
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問