論文の概要: Regex Queries over Incomplete Knowledge Bases
- arxiv url: http://arxiv.org/abs/2005.00480v2
- Date: Thu, 16 Sep 2021 16:48:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 23:02:08.858467
- Title: Regex Queries over Incomplete Knowledge Bases
- Title(参考訳): 不完全な知識ベースに関するRegexQries
- Authors: Vaibhav Adlakha, Parth Shah, Srikanta Bedathur, Mausam
- Abstract要約: 不完全なKBに対して正規表現クエリに応答する新しいタスクを提案する。
我々は,RotatEとボックス埋め込みを組み合わせたRotatE-Boxを開発した。
最終的なRotatE-Boxモデルは、単にRotatEと単にボックス埋め込みに基づくモデルよりも大幅に優れています。
- 参考スコア(独自算出の注目度): 21.417489939534985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose the novel task of answering regular expression queries (containing
disjunction ($\vee$) and Kleene plus ($+$) operators) over incomplete KBs. The
answer set of these queries potentially has a large number of entities, hence
previous works for single-hop queries in KBC that model a query as a point in
high-dimensional space are not as effective. In response, we develop RotatE-Box
-- a novel combination of RotatE and box embeddings. It can model more
relational inference patterns compared to existing embedding based models.
Furthermore, we define baseline approaches for embedding based KBC models to
handle regex operators. We demonstrate performance of RotatE-Box on two new
regex-query datasets introduced in this paper, including one where the queries
are harvested based on actual user query logs. We find that our final
RotatE-Box model significantly outperforms models based on just RotatE and just
box embeddings.
- Abstract(参考訳): 我々は,不完全なkbsに対して,正規表現クエリ(disjunction (\vee$) と kleene plus (+$) 演算子を含む)に応答する新たなタスクを提案する。
これらのクエリの答えセットには多数のエンティティが存在する可能性があるため、KBCのシングルホップクエリでは、高次元空間のポイントとしてクエリをモデル化する以前の作業は、それほど効果的ではない。
これに対して,RotatE-Box - RotatEとボックス埋め込みを組み合わせた新しい組み合わせ。
既存の埋め込みベースモデルと比較して、よりリレーショナルな推論パターンをモデル化できる。
さらに,Regex演算子を扱うために,埋め込みベースのKBCモデルに対するベースラインアプローチを定義する。
本稿では,RotatE-Boxを用いて,実際のユーザクエリログに基づいてクエリを抽出する2つの新しいregex-queryデータセットの性能を示す。
最終的なRotatE-Boxモデルは、単にRotatEと単にボックス埋め込みに基づくモデルよりも大幅に優れています。
関連論文リスト
- Video Referring Expression Comprehension via Transformer with
Content-conditioned Query [68.06199031102526]
ビデオ参照表現(REC)は、検索された自然言語に基づいて対象物をビデオにローカライズすることを目的としている。
ビデオRECの最近の改良は、学習可能なクエリを持つTransformerベースの手法を用いてなされている。
論文 参考訳(メタデータ) (2023-10-25T06:38:42Z) - Trie-NLG: Trie Context Augmentation to Improve Personalized Query
Auto-Completion for Short and Unseen Prefixes [20.224507344339756]
本稿では,従来のセッションクエリからの人気信号とパーソナライズ信号とを併用した,QACのための新しいNLGモデルであるTrie-NLGを提案する。
提案モデルでは,一般的なトリエベースルックアップやBARTベースライン法に比べて,MRRの57%と14%の大幅な向上を実現している。
論文 参考訳(メタデータ) (2023-07-28T10:17:30Z) - Modeling Relational Patterns for Logical Query Answering over Knowledge
Graphs [20.92043251523278]
そこで我々は,複雑な空間における回転により,クエリ領域を幾何学的円錐と代数的クエリ演算子として定義する新しいクエリ埋め込み手法RoConEを開発した。
いくつかのベンチマークデータセットに対する実験結果から,論理的問合せ処理の強化のための関係パターンの利点が確認された。
論文 参考訳(メタデータ) (2023-03-21T13:59:15Z) - Enriching Relation Extraction with OpenIE [70.52564277675056]
関係抽出(RE)は情報抽出(IE)のサブ分野である
本稿では,オープン情報抽出(OpenIE)の最近の取り組みがREの課題の改善にどのように役立つかを検討する。
本稿では,2つの注釈付きコーパスであるKnowledgeNetとFewRelを用いた実験により,拡張モデルの精度向上を実証した。
論文 参考訳(メタデータ) (2022-12-19T11:26:23Z) - Knowledge Base Question Answering by Case-based Reasoning over Subgraphs [81.22050011503933]
本モデルでは,既存のKG補完アルゴリズムよりも複雑な推論パターンを必要とする問合せに対して,より効果的に答えることを示す。
提案モデルは、KBQAベンチマークの最先端モデルよりも優れているか、競合的に動作する。
論文 参考訳(メタデータ) (2022-02-22T01:34:35Z) - AutoRC: Improving BERT Based Relation Classification Models via
Architecture Search [50.349407334562045]
BERTに基づく関係分類(RC)モデルは、従来のディープラーニングモデルよりも大幅に改善されている。
最適なアーキテクチャとは何かという合意は得られない。
BERTをベースとしたRCモデルのための包括的検索空間を設計し、設計選択を自動的に検出するためにNAS(Neural Architecture Search)手法を用いる。
論文 参考訳(メタデータ) (2020-09-22T16:55:49Z) - Tradeoffs in Sentence Selection Techniques for Open-Domain Question
Answering [54.541952928070344]
文選択のためのモデルの2つのグループについて述べる。QAベースのアプローチは、解答候補を特定するための完全なQAシステムを実行し、検索ベースのモデルは、各質問に特に関連する各節の一部を見つける。
非常に軽量なQAモデルは、このタスクではうまく機能するが、検索ベースモデルは高速である。
論文 参考訳(メタデータ) (2020-09-18T23:39:15Z) - BERT-QE: Contextualized Query Expansion for Document Re-ranking [38.178360442306094]
本稿では,BERTモデルの強みを生かした新しいクエリ拡張モデルを提案する。
標準のTREC Robust04およびGOV2テストコレクションの評価において,提案したBERT-QEモデルはBERT-Largeモデルよりも有意に優れていた。
論文 参考訳(メタデータ) (2020-09-15T17:50:09Z) - Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。
我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
論文 参考訳(メタデータ) (2020-05-24T11:37:22Z) - Message Passing Query Embedding [4.035753155957698]
本稿では,クエリのグラフ表現を符号化するグラフニューラルネットワークを提案する。
モデルは、明示的な監督なしにエンティティタイプの概念を捉えたエンティティ埋め込みを学習することを示します。
論文 参考訳(メタデータ) (2020-02-06T17:40:01Z)
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。