Satellite semantic priming in neural contextual weights: Difference between revisions
From determinar.ia.br - Determine suas informações
| (8 intermediate revisions by the same user not shown) | |||
| Line 5: | Line 5: | ||
* '''Label (pt-br):''' Primagem semântica satélite em pesos de contexto neural, Ancoragem semântica satélite,Influência contextual satélite, Associação neural satélite | * '''Label (pt-br):''' Primagem semântica satélite em pesos de contexto neural, Ancoragem semântica satélite,Influência contextual satélite, Associação neural satélite | ||
* '''Abreviatura / Acrônimo Citações:''' SS-NCW / PSS-PCN | * '''Abreviatura / Acrônimo Citações:''' SS-NCW / PSS-PCN | ||
* '''Instância de (P31):''' | * '''Instância de (P31):''' subclass (Q5867051) Vector space model Q1187982, Semantic proximity Q2268914, Sentence Embedding Q29043221 | ||
== 2. Descrições Oficiais (Descriptions) == | == 2. Descrições Oficiais (Descriptions) == | ||
| Line 26: | Line 26: | ||
|- | |- | ||
|'''subclass of (P279)''' | |'''subclass of (P279)''' | ||
|Natural language processing | |Natural language processing Q30642 | ||
|- | |- | ||
|'''subclass of (P279)''' | |'''subclass of (P279)''' | ||
|Knowledge graph | |Knowledge graph Q33002955 | ||
|- | |- | ||
|'''subclass of (P279)''' | |'''subclass of (P279)''' | ||
|Information retrieval | |Information retrieval Q816826 | ||
|- | |- | ||
|'''part of (P361)''' | |'''part of (P361)''' | ||
|Transformer (machine learning model) | |Transformer (machine learning model) Q85810444 / Generative Engine Optimization (GEO) Q134083964 | ||
|- | |- | ||
|'''has effect (P1542)''' | |'''has effect (P1542)''' | ||
|Entity disambiguation | |Entity disambiguation Q120971517 / Contextual attention optimization | ||
|- | |- | ||
|'''field of work (P101)''' | |'''field of work (P101)''' | ||
|Computer science | |Computer science Q21198 / Artificial intelligence Q11660 | ||
|} | |} | ||
| Line 49: | Line 49: | ||
=== Referência 1: Atenção e Proximidade Vetorial em Transformers (Attention Is All You Need) === | === Referência 1: Atenção e Proximidade Vetorial em Transformers (Attention Is All You Need) === | ||
* '''Artigo:''' | * '''Artigo:''' [https://arxiv.org/abs/1706.03762 <nowiki>[1706.03762] Attention Is All You Need</nowiki>] | ||
* '''DOI:''' <code>10.48550/arXiv.1706.03762</code> | * '''DOI:''' <code>10.48550/arXiv.1706.03762</code> | ||
* '''ResearchGate:''' Attention Is All You Need - Vaswani et al. | * '''ResearchGate:''' Attention Is All You Need - Vaswani et al. | ||
* '''Aplicação no Wikidata:''' Justifica formalmente como os "pesos de contexto" | * '''Aplicação no Wikidata:''' Justifica formalmente como os "pesos de contexto" calculam a relevância matemática de termos periféricos/satélites em relação a um nó central. | ||
=== Referência 2: Representações Contextuais de Entidades e Conhecimento (GraphRAG / Knowledge Injection) === | === Referência 2: Representações Contextuais de Entidades e Conhecimento (GraphRAG / Knowledge Injection) === | ||
* '''Artigo:''' | * '''Artigo:''' [https://arxiv.org/abs/2404.16130 <nowiki>[2404.16130] From Local to Global: A Graph RAG Approach to Query-Focused Summarization</nowiki>] | ||
* '''DOI:''' <code>10.48550/arXiv.2404.16130</code> | * '''DOI:''' <code>10.48550/arXiv.2404.16130</code> | ||
* '''ResearchGate:''' From Local to Global: A Graph RAG Approach | * '''ResearchGate:''' From Local to Global: A Graph RAG Approach | ||
* '''Aplicação no Wikidata:''' Fundamenta a estruturação de nós satélites (comunidades de entidades) que guiam o modelo de linguagem no processo de ancoragem (''grounding'') e recuperação de respostas. | * '''Aplicação no Wikidata:''' Fundamenta a estruturação de nós satélites (comunidades de entidades) que guiam o modelo de linguagem no processo de ancoragem (''grounding'') e recuperação de respostas. | ||
=== Referência 3: Embeddings Contextuais e Primagem Semântica (BERT / RoBERTa Context Embeddings) === | === Referência 3: Embeddings Contextuais e Primagem Semântica (BERT / RoBERTa Context Embeddings) === | ||
* '''Artigo:''' | * '''Artigo:''' [https://arxiv.org/abs/1810.04805 <nowiki>[1810.04805] BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding</nowiki>] | ||
* '''DOI:''' <code>10.48550/arXiv.1810.04805</code> | * '''DOI:''' <code>10.48550/arXiv.1810.04805</code> | ||
* '''ResearchGate:''' BERT: Pre-training of Deep Bidirectional Transformers | * '''ResearchGate:''' BERT: Pre-training of Deep Bidirectional Transformers | ||
* '''Aplicação no Wikidata:''' Demonstra como termos ao redor (satélites) alteram dinamicamente a representação vetorial de um token central de acordo com o contexto em que estão inseridos. | * '''Aplicação no Wikidata:''' Demonstra como termos ao redor (satélites) alteram dinamicamente a representação vetorial de um token central de acordo com o contexto em que estão inseridos. | ||
Latest revision as of 22:19, 5 August 2026
1. Nome Taxonômico e Identificadores do Item (Wikidata)
- Label (en): Satellite semantic priming in neural contextual weights, Semantic satellite anchoring, Contextual satellite influence, Neural satellite association
- Label (pt-br): Primagem semântica satélite em pesos de contexto neural, Ancoragem semântica satélite,Influência contextual satélite, Associação neural satélite
- Abreviatura / Acrônimo Citações: SS-NCW / PSS-PCN
- Instância de (P31): subclass (Q5867051) Vector space model Q1187982, Semantic proximity Q2268914, Sentence Embedding Q29043221
2. Descrições Oficiais (Descriptions)
English (en)
The architectural alignment and co-occurrence of peripheral semantic terms (satellite entities) within neural embedding spaces to influence contextual attention weights and optimize entity retrieval in transformer-based models.
Português (pt-br)
O alinhamento arquitetural e coocorrência de termos semânticos periféricos (entidades satélites) em espaços de embedding neurais para influenciar os pesos de atenção contextual e otimizar a recuperação de entidades em modelos baseados em transformers.
3. Aliases / Também Conhecido Como (P4954 / AltLabels)
- en: Satellite term contextual weighting | Peripheral embedding co-occurrence | Contextual attention satellite anchoring | Semantic graph topology in LLMs
- pt-br: Ponderação contextual de termos satélites | Coocorrência em embeddings periféricos | Ancoragem de atenção contextual por satélites | Topologia de grafos semânticos em LLMs
4. Estrutura Ontológica de Propriedades (Wikidata Statements)
| Propriedade (Property) | Valor do Item (Value) |
| subclass of (P279) | Natural language processing Q30642 |
| subclass of (P279) | Knowledge graph Q33002955 |
| subclass of (P279) | Information retrieval Q816826 |
| part of (P361) | Transformer (machine learning model) Q85810444 / Generative Engine Optimization (GEO) Q134083964 |
| has effect (P1542) | Entity disambiguation Q120971517 / Contextual attention optimization |
| field of work (P101) | Computer science Q21198 / Artificial intelligence Q11660 |
5. Referências e Evidências Acadêmicas (DOI / ResearchGate / Papers)
Para garantir que o item no Wikidata seja mantido e validado pela comunidade, utilize as seguintes referências científicas para respaldar as alegações:
Referência 1: Atenção e Proximidade Vetorial em Transformers (Attention Is All You Need)
- Artigo: [1706.03762] Attention Is All You Need
- DOI:
10.48550/arXiv.1706.03762 - ResearchGate: Attention Is All You Need - Vaswani et al.
- Aplicação no Wikidata: Justifica formalmente como os "pesos de contexto" calculam a relevância matemática de termos periféricos/satélites em relação a um nó central.
Referência 2: Representações Contextuais de Entidades e Conhecimento (GraphRAG / Knowledge Injection)
- Artigo: [2404.16130] From Local to Global: A Graph RAG Approach to Query-Focused Summarization
- DOI:
10.48550/arXiv.2404.16130 - ResearchGate: From Local to Global: A Graph RAG Approach
- Aplicação no Wikidata: Fundamenta a estruturação de nós satélites (comunidades de entidades) que guiam o modelo de linguagem no processo de ancoragem (grounding) e recuperação de respostas.
Referência 3: Embeddings Contextuais e Primagem Semântica (BERT / RoBERTa Context Embeddings)
- Artigo: [1810.04805] BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
- DOI:
10.48550/arXiv.1810.04805 - ResearchGate: BERT: Pre-training of Deep Bidirectional Transformers
- Aplicação no Wikidata: Demonstra como termos ao redor (satélites) alteram dinamicamente a representação vetorial de um token central de acordo com o contexto em que estão inseridos.
