Fugu-MT 論文翻訳(概要): Event-QA: A Dataset for Event-Centric Question Answering over Knowledge Graphs

論文の概要: Event-QA: A Dataset for Event-Centric Question Answering over Knowledge Graphs

arxiv url: http://arxiv.org/abs/2004.11861v2
Date: Wed, 5 Aug 2020 14:07:47 GMT
ステータス: 処理完了
システム内更新日: 2022-12-10 02:48:22.195302
Title: Event-QA: A Dataset for Event-Centric Question Answering over Knowledge Graphs
Title（参考訳）: Event-QA: 知識グラフに関するイベント中心質問回答データセット
Authors: Tarc\'isio Souza Costa, Simon Gottschalk, Elena Demidova
Abstract要約: 本稿では、知識グラフ上のイベント中心の質問に答えるためのEvent-QAデータセットを提案する。 Event-QAには1000のセマンティッククエリと、EventKGの対応する英語、ドイツ語、ポルトガル語の言語化が含まれている。
参考スコア（独自算出の注目度）: 3.093890460224435
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Semantic Question Answering (QA) is a crucial technology to facilitate intuitive user access to semantic information stored in knowledge graphs. Whereas most of the existing QA systems and datasets focus on entity-centric questions, very little is known about these systems' performance in the context of events. As new event-centric knowledge graphs emerge, datasets for such questions gain importance. In this paper, we present the Event-QA dataset for answering event-centric questions over knowledge graphs. Event-QA contains 1000 semantic queries and the corresponding English, German and Portuguese verbalizations for EventKG - an event-centric knowledge graph with more than 970 thousand events.
Abstract（参考訳）: セマンティック質問回答(Semantic Question Answering, QA)は、知識グラフに格納されたセマンティック情報への直感的なユーザアクセスを容易にする重要な技術である。既存のQAシステムやデータセットのほとんどはエンティティ中心の質問に重点を置いているが、イベントのコンテキストにおけるこれらのシステムのパフォーマンスについてはほとんど知られていない。新しいイベント中心の知識グラフが出現すると、そのような質問のためのデータセットが重要になる。本稿では、知識グラフに関するイベント中心の質問に答えるためのEvent-QAデータセットを提案する。 Event-QAには1000のセマンティッククエリと、970万以上のイベントを持つイベント中心の知識グラフであるEventKGの英語、ドイツ語、ポルトガル語の言語化が含まれている。

関連論文リスト

EA-VTR: Event-Aware Video-Text Retrieval [97.30850809266725]
Event-Aware Video-Text Retrievalモデルは、優れたビデオイベント認識を通じて、強力なビデオテキスト検索能力を実現する。 EA-VTRはフレームレベルとビデオレベルの視覚表現を同時にエンコードすることができ、詳細なイベント内容と複雑なイベントの時間的相互アライメントを可能にする。
論文参考訳（メタデータ） (2024-07-10T09:09:58Z)
FusionMind -- Improving question and answering with external context fusion [0.0]
事前学習言語モデル(LM)と知識グラフ(KG)を用いて,文脈知識が質問応答目標(QA)に与える影響を検討した。知識事実のコンテキストを取り入れることで、パフォーマンスが大幅に向上することがわかった。このことは、文脈的知識事実の統合が、質問応答のパフォーマンスを高める上でより影響があることを示唆している。
論文参考訳（メタデータ） (2023-12-31T03:51:31Z)
Event Extraction as Question Generation and Answering [72.04433206754489]
イベント抽出に関する最近の研究は、質問回答(QA)としてタスクを再編成した。そこで我々は,QGA-EEを提案する。QGモデルにより,定型テンプレートを使わずに,リッチな文脈情報を含む質問を生成することができる。実験の結果、QGA-EEはACE05の英語データセットで以前のシングルタスクベースのモデルよりも優れていた。
論文参考訳（メタデータ） (2023-07-10T01:46:15Z)
Event Knowledge Incorporation with Posterior Regularization for Event-Centric Question Answering [32.03893317439898]
本稿では,イベントトリガアノテーションから抽出したイベント知識を後続正則化により組み込む戦略を提案する。特に、QAデータセットのイベントトリガアノテーションに基づいて、イベント関連の知識制約を定義します。イベント中心の2つのQAデータセットであるTORQUEとESTERについて実験を行った。
論文参考訳（メタデータ） (2023-05-08T07:45:12Z)
OEKG: The Open Event Knowledge Graph [2.3940683469798025]
言語間のイベント分析は、国の境界を越えて事象の原因、知覚、結果を調べることができる。複数のアプリケーションドメインから7つの異なるデータセットからなる多言語でイベント中心の時間的知識グラフであるOpen Event Knowledge Graph (OEKG)を提示する。
論文参考訳（メタデータ） (2023-02-28T15:58:28Z)
Semantic Parsing for Conversational Question Answering over Knowledge Graphs [63.939700311269156]
本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。本稿では,2つの意味解析手法を提案し,その課題を強調した。私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
論文参考訳（メタデータ） (2023-01-28T14:45:11Z)
Event-Centric Question Answering via Contrastive Learning and Invertible Event Transformation [29.60817278635999]
そこで我々は,TranCLRと呼ばれる,対照的な学習と可逆的なイベント変換を備えた新しいQAモデルを提案する。提案モデルは,イベントの意味的ベクトルを共通事象埋め込み空間に投影し,コントラスト学習で学習し,イベントの意味的知識を主流のQAパイプラインに自然に注入するために,可逆変換行列を利用する。
論文参考訳（メタデータ） (2022-10-24T01:15:06Z)
SituatedQA: Incorporating Extra-Linguistic Contexts into QA [7.495151447459443]
SituatedQA(SituatedQA)は,時間的・地理的文脈を考慮に入れた質問に対して,システムが正しい回答を提示しなければならない,オープン検索型QAデータセットである。質問を求める情報のかなりの割合は、文脈に依存した回答であることがわかった。我々の研究は、既存のモデルが頻繁に更新される、あるいは珍しい場所から回答を得るのに苦労していることを示している。
論文参考訳（メタデータ） (2021-09-13T17:53:21Z)
QAConv: Question Answering on Informative Conversations [85.2923607672282]
ビジネスメールやパネルディスカッション,作業チャネルなど,情報的な会話に重点を置いています。合計で、スパンベース、フリーフォーム、および回答不能な質問を含む34,204のQAペアを収集します。
論文参考訳（メタデータ） (2021-05-14T15:53:05Z)
ESTER: A Machine Reading Comprehension Dataset for Event Semantic Relation Reasoning [49.795767003586235]
イベントセマンティックリレーション推論のための包括的な機械学習理解データセットESTERを紹介します。もっともよく使われるイベント意味関係を5つ検討し、質問応答タスクとして定式化します。実験の結果、現在のSOTAシステムは、イベントベースF1、トークンベースF1、HIT@1スコアそれぞれ60.5%、57.8%、76.3%を達成した。
論文参考訳（メタデータ） (2021-04-16T19:59:26Z)
Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。我々は,読者が情報を求めるための実践的な戦略に携わることを示す。我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
論文参考訳（メタデータ） (2020-10-04T19:03:39Z)

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。