Mohammad Sadeq Abolhasani
PulseAugur coverage of Mohammad Sadeq Abolhasani — every cluster mentioning Mohammad Sadeq Abolhasani across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新研究将合成预训练应用于基于图的关系模型
研究人员探索了将先验数据拟合网络（PFNs）应用于基于图的关系基础模型，特别是Griffin模型。与基于Transformer的模型不同，PFNs在图上下文中的探索有限。该研究采用课程学习方法，在合成关系数据库上预训练Griffin，从指导模式到不指导模式的数据进行。然后，预训练的编码器被用作通用关系表示学习器，将潜在表示传递给冻结的上下文内预测器，而无需在目标任务上进行进一步训练。该方法在16个现实世界的关系分类任务上表现强劲，优于…
-
合成数据和课程设计提升关系型PFN预训练效果
研究人员探索了关系型先验数据拟合网络（PFN）的数据高效预训练方法，该网络用于关系型数据库中的贝叶斯推理。两篇论文研究了合成数据生成器（如Plurella）的使用以及课程设计对模型性能的影响。研究结果表明，与传统方法相比，逐步增加模式复杂度的渐进式课程设计，可以使用显著更少的合成数据来显著提高下游性能。具体而言，单表课程在关系型基准测试中取得了高性能，几乎可以媲美专用的关系型管道，而使用外部生成器的模式引导课程则通过减少数据量证明了其有效性。
-
新研究统一了知识图谱补全（KGC）的解释，并解决了图探索的挑战
研究人员正在探索知识图谱补全（KGC）和探索的新方法。一篇论文提出了一个统一的后验解释分类法，以提高 KGC 的可复现性和评估性。另一篇论文介绍了模型图归纳学习（MGIL），以捕捉全局图结构，实现更准确的链接预测。此外，一项研究确定了阻碍非专业用户与不熟悉知识图谱交互的“初始探索问题”（IEP），并提出了新的界面设计。最后，提出了 TRACE-KG 框架，用于上下文丰富的知识图谱生成，绕过了预定义的模式。