R-GCN | Abstract 第3文
We introduce Relational Graph Convolutional Networks (R-GCNs) and apply them to two standard knowledge base completion tasks: Link prediction (recovery of missing facts, i.e. subject-predicate-object triples) and entity classification (recovery of missing entity attributes).
Michael Schlichtkrull, et al., "Modeling Relational Data with Graph Convolutional Networks"
関係構造を表すグラフを畳み込むネットワークであるR-GCNの論文の"Modeling Relational Data with Graph Convolutional Networks"のAbstractの第3文について、英語リーディング教本のFrame of Reference(F.o.R.)を使って英文構造を解読します。
「我々は、Relational Graph Convolutional Networks (R-GCNs)を提案し、それを二つの標準的な知識ベースの完成タスクに適用する。そのタスクとはすなわち、リンク予測(紛失した事実の回復、例えば、主語・述語・目的語の三種)とエンティティ分類(紛失したエンティティの属性の回復)である。」
コロンより後ろは、"Link prediction and entity classification"という「名詞+名詞」の形で羅列されているだけで文ではないので、図解の中では名詞を意味するnと書きました。
薬袋善郎先生の公式ウェブサイト