コンセプト2ボックスに出会ってください：知識グラフにおける高レベルの概念と細粒度なエンティティとのギャップを埋める – 二重幾何学的アプローチ

コンセプト2ボックスへの旅：知識グラフにおける高次概念と詳細エンティティのギャップを埋めるための二重幾何学的アプローチ

大量の研究が知識グラフのような大規模な接続データセットの表現方法を見つけるために行われてきました。これらの方法は知識グラフ埋め込み（KGE）と呼ばれ、現実世界でさまざまな実用的な目的にこのデータを使用するのに役立ちます。

従来の方法は、オントロジービューに関連する高レベルの概念と、インスタンスビューの特定の個々のエンティティという2つの異なるタイプの情報の存在をしばしば見落としてきました。通常、これらの方法では、知識グラフ内のすべてのノードを単一の隠れた空間内のベクトルとして扱います。

上記の画像は、（1）オントロジービューの高レベルの概念とメタ関係を含む知識グラフ、（2）具体的で詳細なインスタンスと関係を含むインスタンスビューの知識グラフ、および（3）これら2つのビュー間の接続（クロスビューリンク）のコレクションからなる2ビューの知識グラフを示しています。Concept2Boxは、2つの幾何学的埋め込みを獲得するために設計されています。このアプローチでは、各概念が潜在空間内の幾何ボックスとして表され、エンティティはポイントベクトルとして表されます。

• エッジ上でのビジュアル品質検査のためのエンドツーエンドのMLOpsパイプラインの構築-パート1
• ランチェーン101：パート2c PEFT、LORA、およびRLでLLMを微調整する
• 「Azureのコストを最適化するための10の方法」

2つの視点間で構造的な違いを十分に捉えることができない単一の幾何学的表現を使用するのとは対照的に、著者らはConcept2Boxを紹介しています。この革新的なアプローチは、2つのビューを同時に埋め込み、ボックス埋め込みを使用して概念の階層構造や重複および非重複などの複雑な関係の学習を可能にします。

これらのボックスの体積は、概念の粒度に対応しています。これに対し、エンティティはベクトルとして表されます。コンセプトボックス埋め込みとエンティティベクトル埋め込みの間のギャップを埋めるために、新しいベクトルからボックスまでの距離メトリックが提案され、両方の埋め込みが共同で学習されます。公開されているDBpedia知識グラフと新しく作成された産業知識グラフの両方で実施された実験的評価は、Concept2Boxの効果を裏付けています。モデルは、知識グラフの情報の構造的な違いを処理するために構築されています。しかし、今日の知識グラフでは、複数の言語が関与したり、異なる部分で異なる言語が使用されたりするため、さらに複雑になっています。将来的には、この領域での進歩が期待されています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!