論文の概要: Negative Statements Considered Useful

• arxiv url: http://arxiv.org/abs/2001.04425v6
• Date: Sat, 25 Sep 2021 09:02:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 22:30:16.470351
• Title: Negative Statements Considered Useful
• Title（参考訳）: 有用と考えられる否定的声明
• Authors: Hiba Arnaout, Simon Razniewski, Gerhard Weikum, and Jeff Z. Pan
• Abstract要約: 本論では, 持たない有能な言明を明確に述べる。 このような無効な文が豊富にあるため、それらをコンパイルするためには、給与によるランク付けに対処する必要がある。 本稿では,否定文のコンパイルとランク付けのための統計的推論手法を提案する。
• 参考スコア（独自算出の注目度）: 33.255018506270765
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge bases (KBs) about notable entities and their properties are an important asset in applications such as search, question answering and dialogue. All popular KBs capture virtually only positive statements, and abstain from taking any stance on statements not stored in the KB. This paper makes the case for explicitly stating salient statements that do not hold. Negative statements are useful to overcome limitations of question answering systems that are mainly geared for positive questions; they can also contribute to informative summaries of entities. Due to the abundance of such invalid statements, any effort to compile them needs to address ranking by saliency. We present a statisticalinference method for compiling and ranking negative statements, based on expectations from positive statements of related entities in peer groups. Experimental results, with a variety of datasets, show that the method can effectively discover notable negative statements, and extrinsic studies underline their usefulness for entity summarization. Datasets and code are released as resources for further research.
• Abstract（参考訳）: 注目すべきエンティティとその特性に関する知識ベース(KB)は、検索、質問応答、対話などのアプリケーションにおいて重要な資産である。 すべての人気のあるKBは事実上正のステートメントのみをキャプチャし、KBに格納されていないステートメントに対するスタンスを控える。 本論文は、保持しない敬言を明示的に記述することについて述べる。 否定的言明は、主にポジティブな質問を対象とする質問応答システムの制限を克服するのに有用である。 このような無効なステートメントが豊富にあるため、それらをコンパイルするためのいかなる努力も、給与によるランク付けに対処する必要がある。 本稿では,ピアグループにおける関連エンティティの肯定的ステートメントからの期待に基づいて,否定的ステートメントのコンパイルとランク付けを行う統計的推論手法を提案する。 様々なデータセットを用いた実験結果から,本手法が有意な否定的発言を効果的に発見できることが示唆された。 データセットとコードは、さらなる研究のためのリソースとしてリリースされる。

関連論文リスト

• AMRFact: Enhancing Summarization Factuality Evaluation with AMR-Driven Negative Samples Generation [57.8363998797433]
  抽象的意味表現(AMR)を用いた摂動要約を生成するフレームワークであるAMRFactを提案する。 提案手法は,AMRグラフに一貫した要約を解析し,制御された事実不整合を注入して負の例を生成し,一貫性のない事実不整合要約を高い誤差型カバレッジで生成する。
  論文  参考訳（メタデータ） (2023-11-16T02:56:29Z)
• Demonstrations Are All You Need: Advancing Offensive Content Paraphrasing using In-Context Learning [10.897468059705238]
  監督されたパラフレーズは、意味と意図を維持するために大量のラベル付きデータに大きく依存している。 本稿では,大規模言語モデル(LLM)を用いたICL(In-Context Learning)を探索し,実践者を支援することを目的とする。 本研究は, 実演数と順序, 即時指導の排除, 測定毒性の低下など, 重要な要因に焦点を当てた。
  論文  参考訳（メタデータ） (2023-10-16T16:18:55Z)
• Rethinking Negative Pairs in Code Search [56.23857828689406]
  我々は、重み項をInfoNCEに挿入する簡易で効果的なSoft-InfoNCE損失を提案する。 我々は,Soft-InfoNCEが学習したコード表現の分布を制御することと,より正確な相互情報推定の導出に与える影響を分析する。
  論文  参考訳（メタデータ） (2023-10-12T06:32:42Z)
• Benchmark datasets for biomedical knowledge graphs with negative statements [0.0]
  本稿では,負の文を持つ知識グラフのベンチマーク構築の難しさを回避することを目的とした,3つの関係予測タスクのためのデータセットのコレクションを提案する。 また、各データセットに2つの一般的なパスベースの手法で知識グラフを埋め込み、各タスクのパフォーマンスを評価する。 その結果, 負の文は知識グラフ埋め込みの性能を向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-07-21T17:25:21Z)
• Can large language models generate salient negative statements? [18.577880767789097]
  本研究では,大規模言語モデルによる実世界の実体に関する健全な(興味深い)ネガティブなステートメントを生成する能力について検討する。 我々はゼロショットとkショットの制約のないプローブを用いてLSMを探索し、従来の否定生成法と比較した。 異なる領域の被写体に関する生成したリストの正しさと正当性を測定する。
  論文  参考訳（メタデータ） (2023-05-26T09:13:59Z)
• CAR: Conceptualization-Augmented Reasoner for Zero-Shot Commonsense Question Answering [56.592385613002584]
  ゼロショットコモンセンス質問応答の課題に対処するために,概念化強化推論器(CAR)を提案する。 CARは、CommonSenseの知識を多くの高レベルなインスタンスに抽象化し、CommonSenseの知識ベースの範囲を拡大する。 CARは、既存のメソッドよりも、ゼロショットのコモンセンスシナリオに関する質問に答えることにより、より堅牢に一般化する。
  論文  参考訳（メタデータ） (2023-05-24T08:21:31Z)
• UnCommonSense: Informative Negative Knowledge about Everyday Concepts [36.32871869386023]
  人間の常識の重要な部分は概念に当てはまらない性質に関するものであるが、既存のCSKBは肯定的な文のみを格納している。 本稿では,情報的否定的常識文を実現するUNCOMMONSENSEフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-19T12:14:02Z)
• Just Rank: Rethinking Evaluation with Word and Sentence Similarities [105.5541653811528]
  埋め込みの本質的な評価は かなり遅れています そして過去10年間 重要な更新は行われていません 本稿ではまず,単語と文の埋め込み評価におけるゴールドスタンダードとして意味的類似性を用いた問題点を指摘する。 本稿では,下流タスクとより強い相関関係を示すEvalRankという本質的な評価手法を提案する。
  論文  参考訳（メタデータ） (2022-03-05T08:40:05Z)
• A Mutually Reinforced Framework for Pretrained Sentence Embeddings [49.297766436632685]
  InfoCSEは高品質な文埋め込みを学習するための新しいフレームワークである。 文表現モデル自体を利用して、以下の反復的な自己スーパービジョンプロセスを実現する。 言い換えれば、表現学習とデータアノテーションは相互に強化され、強い自己超越効果が導出される。
  論文  参考訳（メタデータ） (2022-02-28T14:00:16Z)
• NegatER: Unsupervised Discovery of Negatives in Commonsense Knowledge Bases [16.986011107071477]
  NegatERは、コンテキスト言語モデルを使用して、コモンセンスKBの潜在的なネガティブをランク付けするフレームワークである。 LMの肯定的な知識にのみ依存し、根本的な否定的な例を必要としない。 実験により、NegatERはより文法的、一貫性があり、情報的である負の値を生成することが示された。
  論文  参考訳（メタデータ） (2020-11-15T10:55:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。