Satellite semantic priming in neural contextual weights
From determinar.ia.br - Determine suas informações
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 of (Q21201) $\rightarrow$ Vector space model (Q1339198), Semantic proximity (Q2339241), Contextual embedding (Q115939212)
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 (Q161272) |
| part of (P361) | Transformer (machine learning model) (Q85810457) / Generative Engine Optimization (GEO) |
| has effect (P1542) | Entity disambiguation (Q15712170) / Contextual attention optimization |
| field of work (P101) | Computer science (Q4022) / 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: Attention Is All You Need (Vaswani et al., 2017)
- 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" (matrizes $Q$, $K$, $V$) 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: From Local to Global: A Graph RAG Approach to Query-Focused Summarization (Edge et al., 2024 - Microsoft Research)
- 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: BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding (Devlin et al., 2018)
- 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.
