HyperAIHyperAI

Command Palette

Search for a command to run...

نمذجة الهرميات غير المتجانسة باستخدام الأهداب الزائدة الخاصة بالعلاقة

Yushi Bai Rex Ying Hongyu Ren Jure Leskovec

الملخص

العلاقات الهرمية شائعة وضرورية لتنظيم المعرفة البشرية التي يلتقطها الرسم البياني للمعرفة (KG). الخاصية الرئيسية للعلاقات الهرمية هي أنها تؤدي إلى ترتيب جزئي على الكيانات، والذي يجب نمذجته لتمكين الاستدلال الهرمي. ومع ذلك، فإن نماذج التضمين الحالية للرسم البياني للمعرفة قادرة على نمذجة هierarchy واحدة عالمية فقط (ترتيب جزئي عالمي واحد) وتفشل في نمذجة الهرميات المتعددة والغير متجانسة الموجودة في رسم بياني للمعرفة واحد. هنا نقدم ConE (Cone Embedding)، وهو نموذج تضمين للرسم البياني للمعرفة قادر على نمذجة العلاقات الهرمية وغير الهرمية بشكل متزامن في رسم بياني للمعرفة. يقوم ConE بتضمين الكيانات في أسطوانات زائدة ويقوم بنمذجة العلاقات كتحولات بين هذه الأسطوانات. بصفة خاصة، يستخدم ConE قيود احتواء الأسطوانات في فضاءات فرعية مختلفة من فضاء التضمين الزائد لتقاط الصور الهرمية المتعددة والغير متجانسة. أظهرت التجارب على مقاييس الأداء القياسية للرسم البياني للمعرفة أن ConE حقق أداءً يتفوق على أفضل ما تم تحقيقه حتى الآن في مهام الاستدلال الهرمي وكذلك في مهمة إكمال الرسم البياني للمعرفة على الرسوم البيانية الهرمية. وبشكل خاص، حققت طريقتنا نسبة ضرب جديدة تبلغ 45.3٪ في WN18RR و16.1٪ في DDB14 (0.231 MRR). بالنسبة لمهمة الاستدلال الهرمي، فإن طريقتنا تتفوق على النتائج الأفضل السابقة بمتوسط 20٪ عبر ثلاث قواعد بيانات.请注意,为了保持专业性和准确性,我保留了原文中的部分术语,如“ConE”、“Cone Embedding”、“WN18RR”和“DDB14”。在阿拉伯语中,这些术语通常不会被翻译,而是直接使用英文原词。如果需要进一步解释这些术语,请告知我。


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp