Geri Dön

Evaluation of graph embedding based reasoning over knowledge bases

Bilgi tabanları üzerinde bilgi çizgesi gömme muhakemesi

  1. Tez No: 650075
  2. Yazar: BETÜL BAYRAK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ROYA CHOUPANI, PROF. DR. ERDOĞAN DOĞDU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 60

Özet

Bilgi çizgeleri, bir çok alanda, büyük miktarda yapılı veri içerir. Bilgi çizgelerinde bilgiler, varlıklar ve varlıklar arasındaki ilişkiler aracılığıyla tutulur. Bilgi çizgeleri alanında geliştirilmeye açık problemlerden biri de“bağlantı tahmini”dir. Bağlantı tahmini bilgi çizgelerinde varlıklar arasındaki var olmayan yeni ilişkileri tahmin etme işidir. Çizge tabanlı öğrenme problemlerindeki yeni bir yaklaşım“çizge gömme”dir. Çizge gömme, çizgelerin düşük boyutlu vektörler olarak temsil edilmesidir. Bu sayede, bu vektör gçsterimleri kullanarak bağlantı tahminleri yapmak daha kolaydır. Bilgi ̧cizgelerindeki bağlantı tahmininin bir alt problemi, bağlantıların alıcı ucundaki sabit değerlerin ve özellikle sayısal değerlerin varlığında bağlantı tahminidir. Bu, rastgele değerler alan sayısal değişmez değerler nedeniyle daha zor bir sorundur. Bu alanda birkaç ̧calıçma vardır, ancak hepsi karmaşık yaklaşımlardır. Bu ̧çalışmada, sayısal değerlerin varlığında bağlantı tahmini için yeni bir yaklaşım öneriyoruz. Tahmin doğruluk oranlarını artırmak için sayısal değerleri kümelendiriyoruz. Önerdiğimiz yöntemi, varlıkları, ilişkileri ve sayısal sabitleri içeren FreeBase bilgi ̧çizgeleri üzerinde değerlendirdik. Test sonuçları, diğer çalışmalara kıyasla bağlantı tahmin oranında önemli bir artış sağlanabileceğini göstermektedir.

Özet (Çeviri)

Knowledge graphs (KG) include large amounts of structured data in many different domains. Knowledge or information is captured by entities and relationships among them in KG . One of the open problems in the knowledge graphs area is“link prediction”, that is predicting new relationships or links among entities, given the existing entities and links in KG . A recent approach in graph-based learning problems is“graph embedding”, in which graphs are represented as low-dimensional vectors. It is easier to make link predictions using these vector representations using this method. We also use graph embedding for graph representations. A sub-problem of link prediction in KG is link prediction in the presence of literal values, and specifically numeric values, on the receiving end of links. This creates a difficult situation as the numeric literal values take arbitrary values. There are several studies in this area, but they are all complex approaches. In this study, we propose a novel approach for link prediction in the presence of numerical values. We cluster the numerical values in graphs to enhance the prediction rates. We evaluated our method on Freebase knowledge graph, which includes entities, relations, and numeric literals. Test results show that a considerable increase in link prediction rate can be achieved in comparison to the other work.

Benzer Tezler

  1. Matematik öğretmeni adaylarının geometrik düşünme alışkanlıklarını geliştirmeye yönelik tasarlanan öğrenme ortamının değerlendirilmesi

    The evaluation of the learning environment designed for improve the geometric habits of mind of mathematic pre-service teachers

    BUKET ÖZÜM BÜLBÜL

    Doktora

    Türkçe

    Türkçe

    2016

    Eğitim ve ÖğretimKaradeniz Teknik Üniversitesi

    Ortaöğretim Fen ve Matematik Alanları Eğitimi Ana Bilim Dalı

    PROF. DR. BÜLENT GÜVEN

  2. Tavsiye sistemlerinde node2vec gömme ve sinirsel işbirlikçi filtreleme kullanımı

    Recommender systems using node2vec embedding and neural collaborative filtering

    YOLANDE MARGARET GOSWELL

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TOLGA AYDIN

  3. Investigation of embedding methods on gnn basedrecommender models

    Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması

    MUSTAFA AKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF YASLAN

  4. Trust-aware location recommendation in location-based social networks

    Konum temelli sosyal ağlarda güven farkında konum önerisi

    DENİZ CANTÜRK

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. PINAR KARAGÖZ

  5. Çapraz e-ticaret pazarlarında hibrit öneri sistemi

    Hybrid recommendation system at cross e-commerce markets

    EMRE KÖSE

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN