GraphBind, eksik metin ve görsel verisinden öğrenmek için graf bağlantılarını kullanıyor
GraphBind, eksik metin ve görsel özelliklerini ortak bir gösterime taşımak için veri noktaları arasındaki bağlantılardan yararlanıyor. Tek ön baskı, yöntemi sınıflandırma ve üretim görevlerinde sınadı. Grafın yapısı, farklı veri türlerini birleştirmeye yön veriyor. Karşılaştırmalar yazarların incelediği veri kümeleri ve eksiklik koşullarıyla sınırlı; sonuç, bilgisi eksik bütün graflarda aynı başarının sağlanacağı anlamına gelmiyor.
Yapay Zekâ··Akşam
Eksik özelliklerde bağlantılar dayanak sağlıyor
GraphBind, veri noktalarının metin, görsel veya bunların eksik bir birleşimini taşıdığı graflardan öğreniyor. Graf, veri noktalarını düğümlerle, aralarındaki ilişkileri de bağlantılarla gösteriyor. Eğitimi yalnızca bütün özellikleri mevcut düğümlerle sınırlamak, kullanılabilir verinin bir bölümünü dışarıda bırakıyor. Tek ön baskıda araştırmacılar, eğitim sırasında bazı veri türlerini bilerek eksiltiyor. Grafın yapısı, elde kalan bilgilerin ortak bir gösterimde birleştirilmesine yön veriyor; eksik verili örnekler de öğrenmeye katılıyor.[1]
Ortak gösterim farklı görevlerde sınanıyor
Düğümün kendi bilgisi ile komşularından gelen güvenilir bilgi aynı alana taşınıyor. Küçük görev arayüzleri, bu gösterimi sınıflandırma ve üretime uyarlıyor. OpenMAG kapsamındaki sekiz veri kümesi farklı ölçümler sağlıyor. Grocery, Movies, Toys ve RedditS düğüm sınıflandırmasını; DY ve Bili_Dance bağlantı tahminini sınamak için kullanılıyor. Flickr30k graftan metin, SemArt ise graftan görsel üretimini değerlendiriyor. Karşılaştırmaya farklı graf ve çok türlü veri modellerinden toplam on bir yöntem katılıyor.[1]
Yöntem bağlantı yapısının niteliğine bağlı
Araştırmacılar eksik veri türlerini değiştirip bileşenleri çıkararak yöntemin hangi parçadan yarar sağladığını inceliyor. Bağlantı yapısı bozulduğunda komşuluk bilgisi zayıflıyor. Sınıflandırma, bağlantı tahmini ve üretim ayrı puanlama sistemleriyle ölçülüyor; sonuçlar tek bir evrensel doğruluk oranı olarak okunamıyor. Çalışma hesaplama ve depolama giderlerini de ele alıyor. Kanıt, seçilen veri kümeleri ile deney düzenini kapsıyor. Ticari bir hizmette uzun süreli çalışmayı gösteren bir değerlendirme sunulmuyor.[1]
