論文の概要: Mining Commonsense Facts from the Physical World

• arxiv url: http://arxiv.org/abs/2002.03149v3
• Date: Tue, 14 Apr 2020 00:58:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 22:57:09.995981
• Title: Mining Commonsense Facts from the Physical World
• Title（参考訳）: 物理世界から常識的な事実を採掘する
• Authors: Yanyan Zou, Wei Lu and Xu Sun
• Abstract要約: 物理的世界のテクストの記述は暗黙的に常識的な事実に言及しているが、コモンセンスの知識基盤はこれらの事実を三重として明確に表現している。 知識基盤の人口化に関する以前の研究のほとんどは、主にFreebaseに焦点を当てていた。 我々は、シーケンステキストと既存の知識ベースリソースの両方から情報を融合する効果的な新しいモデルを構築します。
• 参考スコア（独自算出の注目度）: 23.813586698701606
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Textual descriptions of the physical world implicitly mention commonsense facts, while the commonsense knowledge bases explicitly represent such facts as triples. Compared to dramatically increased text data, the coverage of existing knowledge bases is far away from completion. Most of the prior studies on populating knowledge bases mainly focus on Freebase. To automatically complete commonsense knowledge bases to improve their coverage is under-explored. In this paper, we propose a new task of mining commonsense facts from the raw text that describes the physical world. We build an effective new model that fuses information from both sequence text and existing knowledge base resource. Then we create two large annotated datasets each with approximate 200k instances for commonsense knowledge base completion. Empirical results demonstrate that our model significantly outperforms baselines.
• Abstract（参考訳）: 物理的世界のテクスト記述は暗黙的にコモンセンスの事実を言及し、コモンセンスの知識ベースはこれらの事実を三重項として明示的に表現する。 劇的に増加するテキストデータと比較すると、既存の知識ベースの範囲は完成に遠く及ばない。 知識ベースの普及に関する以前の研究のほとんどは、主にFreebaseに焦点を当てていた。 コモンセンスの知識ベースを自動で完成させ、そのカバレッジを向上させること。 本稿では,物理世界を記述する原文からコモンセンスの事実をマイニングする新たなタスクを提案する。 我々は、シーケンステキストと既存の知識ベースリソースの両方から情報を融合する効果的な新しいモデルを構築します。 次に、2つの大きなアノテートデータセットを作成し、それぞれ200k近いインスタンスでコモンセンス知識ベースを補完する。 実験結果から,本モデルがベースラインを著しく上回ることが示された。

関連論文リスト

• What Really is Commonsense Knowledge? [58.5342212738895]
  我々は、既存のコモンセンス知識の定義を調査し、概念を定義するための3つのフレームワークに基礎を置き、それらをコモンセンス知識の統一的な定義に統合する。 次に、アノテーションと実験のための統合された定義をCommonsenseQAとCommonsenseQA 2.0データセットで使用します。 本研究は,2つのデータセットには非常識知識のインスタンスが多数存在し,これら2つのサブセットに対して大きな性能差があることを示す。
  論文  参考訳（メタデータ） (2024-11-06T14:54:19Z)
• Large Language Models as a Tool for Mining Object Knowledge [0.42970700836450487]
  大きな言語モデルは、その答えの根拠の不透明さと、疑問が持たれたときに事実を議論する傾向があるため、信頼できるインテリジェントシステムとして不足する。 本稿では,日常の共通アーティファクトに関する明示的な知識について考察する。 約2,300個のオブジェクトとそのサブタイプの部品や材料に関するデータのリポジトリを作成します。 この知識マイニングへの貢献は、物体の構造と構成に関する推論に関するAI研究に有用であることが証明されるべきである。
  論文  参考訳（メタデータ） (2024-10-16T18:46:02Z)
• AKEW: Assessing Knowledge Editing in the Wild [79.96813982502952]
  AKEW(Assessing Knowledge Editing in the Wild)は知識編集のための新しい実用的なベンチマークである。 知識更新の編集設定は、構造化された事実、構造化されていない事実としてのテキスト、抽出された三つ組の3つを網羅している。 大規模な実験を通じて、最先端の知識編集手法と実践シナリオの間にかなりのギャップがあることを実証する。
  論文  参考訳（メタデータ） (2024-02-29T07:08:34Z)
• Commonsense Knowledge in Word Associations and ConceptNet [37.751909219863585]
  本稿では,ConcpetNet と SWOW という2つの大規模知識資源の詳細な比較を行った。 本稿では,2つのグラフの構造,重なり合い,相違点と,それらが状況的常識的知識をエンコードする程度について検討する。
  論文  参考訳（メタデータ） (2021-09-20T06:06:30Z)
• Knowledge Base Completion Meets Transfer Learning [43.89253223499761]
  知識ベース補完の目的は、知識ベースにおける既存の事実から目に見えない事実を予測することである。 本稿では,ある事実の集合から別の事実への知識の伝達において,エンティティや関係マッチングを必要とせずに最初のアプローチを導入する。
  論文  参考訳（メタデータ） (2021-08-30T09:13:29Z)
• Fact-driven Logical Reasoning for Machine Reading Comprehension [82.58857437343974]
  私たちは、常識と一時的な知識のヒントの両方を階層的にカバーする動機があります。 具体的には,文の背骨成分を抽出し,知識単位の一般的な定式化を提案する。 次に、事実単位の上にスーパーグラフを構築し、文レベル(事実群間の関係)と実体レベルの相互作用の利点を享受する。
  論文  参考訳（メタデータ） (2021-05-21T13:11:13Z)
• Dimensions of Commonsense Knowledge [60.49243784752026]
  我々は,その関係に特に焦点をあてて,広く普及しているコモンセンスソースを調査した。 我々はこれらの関係を13の知識次元に集約し、それぞれがソースにあるより具体的な関係を抽象化する。
  論文  参考訳（メタデータ） (2021-01-12T17:52:39Z)
• CoLAKE: Contextualized Language and Knowledge Embedding [81.90416952762803]
  文脈型言語と知識埋め込み(CoLAKE)を提案する。 CoLAKEは、言語と知識の両方の文脈化された表現を、拡張された目的によって共同で学習する。 知識駆動タスク、知識探索タスク、言語理解タスクについて実験を行う。
  論文  参考訳（メタデータ） (2020-10-01T11:39:32Z)
• Inferential Text Generation with Multiple Knowledge Sources and Meta-Learning [117.23425857240679]
  本研究では,テキストティフ・エルス関係のような多種多様なコモンセンスのイベントの推論テキストを生成する問題について検討する。 既存のアプローチでは、トレーニング例からの限られた証拠を使用して、個々の関係について学習するのが一般的である。 この研究では、モデルのための燃料として複数の知識ソースを使用します。
  論文  参考訳（メタデータ） (2020-04-07T01:49:18Z)

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。