GNN32 CS224w - 11. Reasoning in Knowledge Graphs Part 2 Query2box: Reasoning over KGs Using Box Embeddings 각 query를 box로 embedding 해봅시다. 예를 들어서 Fluverstrant의 adverse event 하나의 box에 담는 것입니다. 이렇게 box로 표현할 때의 좋은 점은, intersection을 표현하기가 쉽다는 것입니다. 겹치는 영역으로 intersection을 표현할 수 있고, 실제로 intersection operator도 겹치는 영역을 neural net으로 계산해서 output을 뱉습니다. 이런 표현형에서 parameter 수와 정보는 아래와 같습니다. Entity embeddings: $d |V|$ (Entity는 zero-volume box) Relation embeddings: $.. 2022. 11. 17. CS224w - 11. Reasoning in Knowledge Graphs Part 1 Knowledge graph completion task를 계속 진행해 봅시다. 이제는 Multi-hop KG completion이 task로 나왔습니다. Recap: KG Completion Task KG completion task는 큰 KG가 주어졌을 때, KG completion를 하는 방법을 찾는 문제입니다. 구체적으로 이야기하면, $(head, relation)$이 주어지고, missing $tail$을 맞추는 task입니다. 여기서는 one-hop query에서 나아가 complex query에 대한 답을 하는 것이 목표입니다. Path query와 conjuctive query가 예시입니다. Path query는 multi-hop query라 볼 수 있고, conjunctive query는.. 2022. 11. 17. GMAN: A Graph Multi-Attention Network for Traffic Prediction 요약 및 설명 세 번째 graph neural network(GNN)을 활용한 시계열 예측 논문입니다. 제목은 GMAN: A Graph Multi-Attention Network for Traffic Prediction 입니다. GMAN: A Graph Multi-Attention Network for Traffic Prediction 2020년 4월 3일 publish In Proceedings of the AAAI conference on artificial intelligence Chuanpan Zheng, Xiaoliang Fan, Cheng Wang, and Jianzhong Q 2022년 8월 10일 기준 citation 수 342회 샤먼 대학교 연구진들의 연구 내용입니다. (샤먼 대학교는 샤먼시에 위치하는.. 2022. 8. 10. Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting 요약 및 설명 두 번째 graph neural network(GNN)을 활용한 시계열 예측 논문입니다. 제목은 Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting입니다. Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting 2019년 7월 17일 publish In Proceedings of the AAAI conference on artificial intelligence Shengnan Guo, Youfang Lin, Ning Feng, Chao Song, and Huaiyu Wan 2022년 8월.. 2022. 8. 6. Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting 요약 및 설명 몇 개의 글을 거쳐서 graph neural network를 활용하여 시계열 예측을 한 사례들을 확인해보고자 합니다. 첫 논문은 Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting입니다. Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting 2017년 9월 14일 최초 공개, 2018년 7월 12일 최종 수정 arxiv 2022년 8월 4일 기준 citation 수 1500회 Bing Yu, Haoteng Yin, and Zhanxing Zhu 북경대의 연구진들이 진행한.. 2022. 8. 4. CS224w - 10. Heterogeneous Graphs and Knowledge Graph Embeddings Part 2 Knowledge Graph Completion: TransE, TransR, DistMul, ComplEx 기존의 문제에서는 모든 그래프가 비어있었고 (node만 있고 edge가 없음), edge를 예측해야했습니다. 여기서 변형하여, KG에서 특정 node와 다른 node가 특정 relation을 갖고 있는지 없는지를 맞추는 문제로 바꿀 수 있습니다. 이 작업은 node의 embedding vector가 필요합니다. 그냥 embedding vector는 아니고 triple의 embedding vector입니다. Head와 relation과 tail의 embedding vector가 필요한 상황입니다. TransE의 경우 마치 node2vec과 같은 vector embedding을 추구합니다. Obama.. 2022. 3. 31. 이전 1 2 3 4 5 6 다음
