Benchmark per la valutazione della costruzione di grafi di conoscenza e GNN
Un nuovo benchmark valuta congiuntamente le Graph Neural Networks (GNN) su grafi di conoscenza rumorosi derivati da testo e l'efficacia dei metodi di costruzione dei grafi. Costruito nel dominio biomedico a partire da un unico corpus testuale, include due grafi costruiti automaticamente con diversi metodi di estrazione e un grafo di riferimento di alta qualità curato da esperti come limite superiore delle prestazioni. Il benchmark affronta la sfida di valutare se le prestazioni derivano dal modello di apprendimento o dalla qualità del grafo.
Fatti principali
- 1. arXiv:2605.05476
- 2. Tipo di annuncio: cross
- 3. I grafi di conoscenza costruiti automaticamente dal testo sono utilizzati in applicazioni reali
- 4. Rumore, frammentazione e incongruenze semantiche influenzano le prestazioni delle GNN
- 5. Il benchmark ha un duplice scopo: valutare le GNN e i metodi di costruzione dei grafi
- 6. Costruito nel dominio biomedico a partire da un unico corpus testuale
- 7. Include due grafi costruiti automaticamente e un grafo di riferimento curato da esperti
- 8. Il grafo di riferimento funge da limite superiore delle prestazioni
Entità
—