MMA-HNS metin açıklamaları eksik bilgi grafiklerini sınadı
MMA-HNS, bazı varlıkların metin açıklamaları eksikken bilgi grafiklerindeki kayıp bağlantıları tahmin etmeyi hedefliyor. Araştırmacılar grafik yapısını ve görüntüleri, öğrenilebilir eksik metin temsili ve benzer komşulardan getirilen bilgilerle birleştirdi. Getirilen bilginin etkisi doğrulama verisiyle düzeltiliyor. İki açık veri kümesindeki farklı metin kaybı düzenleri sınandı. Tek bir makaleye dayanan çalışma, yeniden üretim malzemelerini de yayımladı.
Yapay Zekâ··Akşam
Eksik açıklamalar ortak işlem yolunda ele alınıyor
Songjiang Li ve çalışma arkadaşları, çok kipli bilgi grafiklerini tamamlamak için MMA-HNS yöntemini sundu. Bu grafikler eksik olgusal bağlantıları tahmin etmek üzere varlıklar arasındaki ilişkileri, görüntüleri ve metin açıklamalarını birleştiriyor. Yöntem, hiyerarşik olumsuz örnekleme kullanan DHNS yaklaşımını genişletiyor. Öğrenilebilir bir eksik metin belirteci, açıklaması bulunmayan varlığa yardımcı bir temsil sağlıyor; böylece bu varlık diğerleriyle aynı işlem yolunu izliyor. Bulgular tek bir araştırma makalesine dayanıyor.[1]
Komşulardan alınan bilgi güvenilirlik denetiminden geçiyor
Çerçeve, yapısal olarak benzer ve açıklaması mevcut varlıklardan aday metin getiriyor. Grafikte benzer bir konumda bulunmak, bilginin her sorguya uygun olduğu anlamına gelmediğinden bu metin belirsiz yardımcı kanıt olarak işleniyor. Doğrulama verisine göre yapılan puan düzeltmesi, getirilen bilginin tahminlere etkisini denetliyor. Güvenlik kısıtları ve hiyerarşik geri dönüş de bu düzeltmeye katılıyor. Bileşenler çıkarılarak yapılan deneylerde, getirmenin yararı sonraki güvenilirlik denetimine bağlı bulundu.[1]
Sınamalarda özgün bağlantılar ve veri bölümleri korundu
Araştırmacılar MKG-W ve MKG-Y adlı iki açık kıyaslama veri kümesinde açıklamaların rastgele kaldırıldığı koşulları sınadı. Metin kaybının bağlantı sayısı veya ilişki türüyle bağlantılı olduğu koşullar da değerlendirildi. Varlıkların açıklamaları maskelenirken özgün bağlantılar ile eğitim, doğrulama ve test bölümleri korundu. Yeni ham bilgi grafikleri toplanmadı. Yeniden üretim deposunda kaynak kodunun yanında maskeleme bilgileri, deney ayarları ve farklı başlangıçların sonuçları paylaşıldı. Deneyler kontrollü metin kaybını değerlendirdi; çalışma kullanıma sunulmuş bir arama veya öneri hizmetini kapsamıyor.[1]
