Taxonomy Completion with Probabilistic Scorer via Box Embedding

要約

分類の完成は、既存の分類を新しい概念で自動的に充実させることを目的としたタスクで、近年大きな関心を集めています。
これまでの作品では、複雑なモジュール、外部情報、擬似葉を導入して表現を豊かにし、アタッチと挿入のマッチング プロセスを統一しました。
彼らは良いパフォーマンスを達成しましたが、これらの導入により、トレーニングや採点中に騒音や不公平が生じた可能性があります。
この論文では、分類概念をボックス埋め込みにマッピングし、概念の付加と挿入に 2 つの確率的スコアラーを使用して、擬似葉の必要性を回避する、分類補完のための新しいフレームワークである TaxBox を紹介します。
具体的には、TaxBox は 3 つのコンポーネントで構成されます。(1) 分類の構造情報を利用するグラフ集約モジュールと、特徴をボックス埋め込みにマッピングし、概念間の複雑な関係をキャプチャする 2 つの軽量デコーダー。
(2) アタッチメントおよび挿入操作に対応し、擬似リーブの回避を保証する 2 つの確率的スコアラー。
(3) モデルがコンセプトをより詳細にボックス埋め込み空間にマッピングするのを支援する 3 つの学習目標。
4 つの現実世界のデータセットに関する実験結果は、TaxBox がベースライン手法を大幅に上回っており、以前の最先端の手法をある程度上回っていることを示唆しています。

要約(オリジナル)

Taxonomy completion, a task aimed at automatically enriching an existing taxonomy with new concepts, has gained significant interest in recent years. Previous works have introduced complex modules, external information, and pseudo-leaves to enrich the representation and unify the matching process of attachment and insertion. While they have achieved good performance, these introductions may have brought noise and unfairness during training and scoring. In this paper, we present TaxBox, a novel framework for taxonomy completion that maps taxonomy concepts to box embeddings and employs two probabilistic scorers for concept attachment and insertion, avoiding the need for pseudo-leaves. Specifically, TaxBox consists of three components: (1) a graph aggregation module to leverage the structural information of the taxonomy and two lightweight decoders that map features to box embedding and capture complex relationships between concepts; (2) two probabilistic scorers that correspond to attachment and insertion operations and ensure the avoidance of pseudo-leaves; and (3) three learning objectives that assist the model in mapping concepts more granularly onto the box embedding space. Experimental results on four real-world datasets suggest that TaxBox outperforms baseline methods by a considerable margin and surpasses previous state-of-art methods to a certain extent.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google