Geometric Relational Embeddings: A Survey

要約

タイトル：幾何学的関係埋め込み：サーベイ
要約：

– 幾何学的関係埋め込みは、機械学習に適したベクトル情報と構造化/関係情報を組み合わせた幾何学的オブジェクトとして、関係データをマッピングする。
– 彼らの関係構造の保存と、魅力的な特性と解釈可能性により、知識グラフの補完、オントロジーと階層推論、論理的なクエリ応答、および階層的なマルチラベル分類などのタスクに採用されている。
– 幾何学的関係埋め込みの基礎となる方法を調査し、データを表現するために使用される埋め込み幾何学と、改善を目的とする関係推論タスクに基づいてそれらを分類する。
– 各種の埋め込みの希望される特性（即ち、帰納的なバイアス）を識別し、潜在的な将来の研究について議論する。

要約(オリジナル)

Geometric relational embeddings map relational data as geometric objects that combine vector information suitable for machine learning and structured/relational information for structured/relational reasoning, typically in low dimensions. Their preservation of relational structures and their appealing properties and interpretability have led to their uptake for tasks such as knowledge graph completion, ontology and hierarchy reasoning, logical query answering, and hierarchical multi-label classification. We survey methods that underly geometric relational embeddings and categorize them based on (i) the embedding geometries that are used to represent the data; and (ii) the relational reasoning tasks that they aim to improve. We identify the desired properties (i.e., inductive biases) of each kind of embedding and discuss some potential future work.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI