Evaluation of graph embedding based reasoning over knowledge bases
Bilgi tabanları üzerinde bilgi çizgesi gömme muhakemesi
- Tez No: 650075
- Danışmanlar: DR. ÖĞR. ÜYESİ ROYA CHOUPANI, PROF. DR. ERDOĞAN DOĞDU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Hygra: A hybrid graph reasoning agent with dual layer architecture
Hygra: Çift katmanlı mimariye sahip hibrit graf akıl yürütme ajanı
CELALETTİN ANIL ÇOĞALAN
Yüksek Lisans
İngilizce
2026
İzmir Ekonomi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- 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
2016
Karadeniz Teknik ÜniversitesiOrtaöğretim Fen ve Matematik Alanlar Eğitimi Ana Bilim Dalı
Yükleniyor...
- Tiroid nodülü malignite riskinin çizge sinir ağları ile ilişkisel modellenmesi
Relational modeling of thyroid nodule malignancy risk using graph neural networks
MEHMET YAVUZ
- Evaluation of vector and graph-based search methods in a banking knowledge platform using advanced language models
Bankacılık bilgi platformu için vektör ve grafik temelli arama yöntemlerinin gelişmiş dil modelleriyle değerlendirilmesi
BÜNYAMİN BAKIR
Yüksek Lisans
İngilizce
2025
İstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
Yükleniyor...
- Knowledge graph embeddıng approaches for computatıonal drug reposıtıonıng over bıomedıcal ınformatıon resources
Biyomedikal bilgi tabanları üzerinde hesaplamalı ilaç yeniden konumlandırması için bilgi grafiği temsil yaklaşımları
BETÜL ERKANTARCI
Yüksek Lisans
İngilizce
2026
Abdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...