論文の概要: Enhancing Review Comprehension with Domain-Specific Commonsense
- arxiv url: http://arxiv.org/abs/2004.03020v1
- Date: Mon, 6 Apr 2020 22:11:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 06:45:29.035281
- Title: Enhancing Review Comprehension with Domain-Specific Commonsense
- Title（参考訳）: ドメイン特化コモンセンスによるレビューの強化
- Authors: Aaron Traylor, Chen Chen, Behzad Golshan, Xiaolan Wang, Yuliang Li,
Yoshihiko Suhara, Jinfeng Li, Cagatay Demiralp and Wang-Chiew Tan
- Abstract要約: ドメイン固有コモンセンス知識ベース(xSense KBs)を用いた理解の効果的なレビューシステムであるxSenseを紹介する。
アスペクト抽出,アスペクト感情分類,質問応答の3つのタスクについて,xSenseを評価した。
xSenseは、最初の2つのタスクで最先端モデルよりも優れており、ベースラインBERT QAモデルを大幅に改善している。
- 参考スコア（独自算出の注目度）: 29.045593038683617
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Review comprehension has played an increasingly important role in improving
the quality of online services and products and commonsense knowledge can
further enhance review comprehension. However, existing general-purpose
commonsense knowledge bases lack sufficient coverage and precision to
meaningfully improve the comprehension of domain-specific reviews. In this
paper, we introduce xSense, an effective system for review comprehension using
domain-specific commonsense knowledge bases (xSense KBs). We show that xSense
KBs can be constructed inexpensively and present a knowledge distillation
method that enables us to use xSense KBs along with BERT to boost the
performance of various review comprehension tasks. We evaluate xSense over
three review comprehension tasks: aspect extraction, aspect sentiment
classification, and question answering. We find that xSense outperforms the
state-of-the-art models for the first two tasks and improves the baseline BERT
QA model significantly, demonstrating the usefulness of incorporating
commonsense into review comprehension pipelines. To facilitate future research
and applications, we publicly release three domain-specific knowledge bases and
a domain-specific question answering benchmark along with this paper.
- Abstract（参考訳）: レビュー理解は、オンラインサービスや製品の品質向上にますます重要な役割を担い、コモンセンス知識はレビュー理解をさらに強化する。
しかし、既存の汎用コモンセンス知識ベースには、ドメイン固有のレビューの理解を深めるための十分なカバレッジと精度が欠けている。
本稿では,ドメイン特化コモンセンス知識ベース(xsense kbs)を用いたレビュー理解のための効果的なシステムであるxsenseを提案する。
我々は,xSense KBを安価に構築できることを示すとともに,様々なレビュー理解タスクの性能を高めるために,BERTとともにxSense KBを使用できる知識蒸留法を提案する。
アスペクト抽出,アスペクト感情分類,質問応答の3つのタスクについて,xSenseを評価した。
最初の2つのタスクにおいて、xSenseは最先端モデルよりも優れ、ベースラインBERT QAモデルを大幅に改善し、コモンセンスをレビュー理解パイプラインに組み込むことの有用性を示す。
今後の研究とアプリケーションを促進するために,我々は3つのドメイン固有の知識ベースと,ドメイン固有の質問応答ベンチマークを公表する。
関連論文リスト
- Beyond Factuality: A Comprehensive Evaluation of Large Language Models
as Knowledge Generators [78.63553017938911]
大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。
しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。
本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
論文 参考訳（メタデータ） (2023-10-11T08:22:37Z) - Towards Verifiable Generation: A Benchmark for Knowledge-aware Language Model Attribution [48.86322922826514]
本稿では,知識認識型言語モデル属性(KaLMA)の新たな課題について述べる。
まず、属性のソースを構造化されていないテキストから知識グラフ(KG)に拡張し、そのリッチな構造は属性のパフォーマンスと作業シナリオの両方に役立ちます。
第2に,不完全な知識リポジトリを考慮した「意識的非能力」の設定を提案する。
第3に,テキスト品質,引用品質,引用アライメントを含む総合的な自動評価指標を提案する。
論文 参考訳（メタデータ） (2023-10-09T11:45:59Z) - Rainier: Reinforced Knowledge Introspector for Commonsense Question
Answering [74.90418840431425]
そこで,Rainier(Reinforced Knowledge Introspector,Reinforced Knowledge Introspector,Reinforced Knowledge Introspector)を提案する。
我々のアプローチは、GPT-3で生成された知識を模倣することから始まり、強化学習を通して独自の知識を生み出すことを学ぶ。
本研究は,GPT-3より桁違いに小さいモデルで生成した知識が,GPT-3から抽出した知識の質を超えうることを報告した最初の事例である。
論文 参考訳（メタデータ） (2022-10-06T17:34:06Z) - Duplicate Detection as a Service [0.0]
重複検出は知識グラフのインスタンス間のアイデンティティリンクを見つけることを目的としている。
現在のソリューションでは、ツールの専門的な知識と、それらが適用される知識グラフが必要です。
本稿では,重複検出タスクに対するサービスベースのアプローチを提案する。
論文 参考訳（メタデータ） (2022-07-20T06:02:11Z) - Improving and Diagnosing Knowledge-Based Visual Question Answering via
Entity Enhanced Knowledge Injection [14.678153928301493]
KBVQA (Knowledge-Based Visual Question Answering) は、テキスト質問と関連する画像に正しく答えるために、外部世界の知識を必要とするバイモーダルタスクである。
最近のシングルテキストワークでは、事前訓練された言語モデル、特にエンティティ強化知識グラフの埋め込みへの知識注入が、下流のエンティティ中心のタスクのパフォーマンスを向上させることが示されている。
論文 参考訳（メタデータ） (2021-12-13T18:45:42Z) - K-AID: Enhancing Pre-trained Language Models with Domain Knowledge for
Question Answering [8.772466918885224]
ドメイン知識を取得するための低コストな知識獲得プロセスを含む体系的アプローチであるK-AIDを提案する。
既存のK-PLMの大多数のようにエンティティ知識をキャプチャする代わりに、我々のアプローチはリレーショナル知識をキャプチャする。
筆者らは,Eコマース,政府,フィルム&TVの3分野から5つのテキスト分類タスクと3つのテキストマッチングタスクについて実験を行い,EコマースにおけるオンラインA/Bテストを実施した。
論文 参考訳（メタデータ） (2021-09-22T07:19:08Z) - Reasoning over Vision and Language: Exploring the Benefits of
Supplemental Knowledge [59.87823082513752]
本稿では,汎用知識基盤(KB)から視覚言語変換器への知識の注入について検討する。
我々は複数のタスクやベンチマークに対する様々なkbの関連性を実証的に研究する。
この技術はモデルに依存しず、最小限の計算オーバーヘッドで任意の視覚言語変換器の適用可能性を拡張することができる。
論文 参考訳（メタデータ） (2021-01-15T08:37:55Z) - Hierarchical Bi-Directional Self-Attention Networks for Paper Review
Rating Recommendation [81.55533657694016]
本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。
具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。
我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
論文 参考訳（メタデータ） (2020-11-02T08:07:50Z) - A Knowledge-Driven Approach to Classifying Object and Attribute
Coreferences in Opinion Mining [20.49474483102625]
本稿では,オブジェクトや属性のコア参照を分類するドメイン固有の知識を自動的にマイニングし,活用する手法を提案する。
このアプローチは、ラベルのないレビューデータからドメイン固有の知識を抽出し、知識認識型ニューラルネットワーク分類モデルを訓練する。
5つのドメイン(製品タイプ)を含む実世界のデータセットに関する実験的評価は、このアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-10-11T22:08:43Z) - Improving Machine Reading Comprehension with Contextualized Commonsense
Knowledge [62.46091695615262]
我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。
構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。
我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
論文 参考訳（メタデータ） (2020-09-12T17:20:01Z)
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。