論文の概要: A Survey on Complex Question Answering over Knowledge Base: Recent Advances and Challenges

• arxiv url: http://arxiv.org/abs/2007.13069v1
• Date: Sun, 26 Jul 2020 07:13:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 20:01:02.030807
• Title: A Survey on Complex Question Answering over Knowledge Base: Recent Advances and Challenges
• Title（参考訳）: 知識ベースに関する複雑質問応答に関する調査研究 : 最近の進歩と課題
• Authors: Bin Fu, Yunqi Qiu, Chengguang Tang, Yang Li, Haiyang Yu, Jian Sun
• Abstract要約: 知識ベース(KB)に対する質問回答(QA)は、自然言語の質問に自動的に答えることを目的としている。 研究者は、よりKBのトリプルと制約推論を必要とする単純な質問から複雑な質問へと注意を移した。
• 参考スコア（独自算出の注目度）: 71.4531144086568
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Question Answering (QA) over Knowledge Base (KB) aims to automatically answer natural language questions via well-structured relation information between entities stored in knowledge bases. In order to make KBQA more applicable in actual scenarios, researchers have shifted their attention from simple questions to complex questions, which require more KB triples and constraint inference. In this paper, we introduce the recent advances in complex QA. Besides traditional methods relying on templates and rules, the research is categorized into a taxonomy that contains two main branches, namely Information Retrieval-based and Neural Semantic Parsing-based. After describing the methods of these branches, we analyze directions for future research and introduce the models proposed by the Alime team.
• Abstract（参考訳）: 知識ベース(kb)上の質問応答(qa)は、知識ベースに格納されたエンティティ間のよく構造化された関係情報を通じて自然言語質問を自動的に答えることを目的としている。 KBQAをより現実のシナリオに適用するために、研究者は、よりKBのトリプルと制約推論を必要とする単純な質問から複雑な質問へと注意を移した。 本稿では, 複雑QAの最近の進歩を紹介する。 従来のテンプレートとルールに依存する手法の他に、この研究は、情報検索ベースとニューラルセマンティックパーシングベースの2つの主要分野を含む分類学に分類される。 これらのブランチの手法を説明した後、今後の研究の方向性を分析し、alimeチームによって提案されたモデルを紹介する。

関連論文リスト

• ChatKBQA: A Generate-then-Retrieve Framework for Knowledge Base Question Answering with Fine-tuned Large Language Models [19.85526116658481]
  本稿では,新規かつ簡易な生成検索KBQAフレームワークであるChatKBQAを紹介する。 実験の結果,ChatKBQAは標準KBQAデータセット上で新たな最先端性能を実現することがわかった。 この研究は、LLMと知識グラフを組み合わせるための新しいパラダイムとして、解釈可能および知識要求型質問応答のパラダイムと見なすこともできる。
  論文  参考訳（メタデータ） (2023-10-13T09:45:14Z)
• Open-Set Knowledge-Based Visual Question Answering with Inference Paths [79.55742631375063]
  知識に基づく視覚的質問回答(KB-VQA)の目的は、外部知識ベースの助けを借りて質問に対する正しい回答を提供することである。 KB-VQA, Graph pATH ranker (GATHER for brevity) の新しいレトリバーランカパラダイムを提案する。 具体的には、グラフの構築、プルーニング、パスレベルのランク付けが含まれており、正確な回答を検索するだけでなく、推論パスを提供して推論プロセスを説明する。
  論文  参考訳（メタデータ） (2023-10-12T09:12:50Z)
• Do I have the Knowledge to Answer? Investigating Answerability of Knowledge Base Questions [25.13991044303459]
  GrailQAbilityは、未解決のKBQAデータセットである。 3つの最先端KBQAモデルを用いて実験したところ、3つのモデル全てが性能低下に悩まされていることがわかった。 このことはKBQAシステムを解答不能に堅牢にするためのさらなる研究の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2022-12-20T12:00:26Z)
• DecAF: Joint Decoding of Answers and Logical Forms for Question Answering over Knowledge Bases [81.19499764899359]
  本稿では,論理形式と直解の両方を共同で生成する新しいフレームワークDecAFを提案する。 DecAFはWebQSP、FreebaseQA、GrailQAベンチマークで新しい最先端の精度を実現している。
  論文  参考訳（メタデータ） (2022-09-30T19:51:52Z)
• Knowledge Base Question Answering: A Semantic Parsing Perspective [15.1388686976988]
  知識ベース(KBQA)に対する質問応答の研究は、比較的ゆっくりと進んでいる。 KBQAには,スキーマレベルの複雑性とファクトレベルの複雑性という,2つのユニークな課題があります。 我々は、セマンティックパーシングの文献から、まだ多くのインスピレーションを得ることができると論じている。
  論文  参考訳（メタデータ） (2022-09-12T02:56:29Z)
• QA Is the New KR: Question-Answer Pairs as Knowledge Bases [105.692569000534]
  提案するKBの形式は,従来のシンボリックKBの重要な利点を多く備えている,と我々は主張する。 従来のKBとは異なり、この情報ストアは一般的なユーザ情報のニーズによく適合している。
  論文  参考訳（メタデータ） (2022-07-01T19:09:08Z)
• A Benchmark for Generalizable and Interpretable Temporal Question Answering over Knowledge Bases [67.33560134350427]
  TempQA-WDは時間的推論のためのベンチマークデータセットである。 Wikidataは、最も頻繁にキュレーションされ、公開されている知識ベースである。
  論文  参考訳（メタデータ） (2022-01-15T08:49:09Z)
• SYGMA: System for Generalizable Modular Question Answering OverKnowledge Bases [57.89642289610301]
  SYGMAは、複数の知識ベースと複数のリアソニングタイプにまたがる汎用化を容易にするモジュラーアプローチである。 本システムの有効性を,DBpediaとWikidataの2つの異なる知識ベースに属するデータセットを用いて評価することで実証する。
  論文  参考訳（メタデータ） (2021-09-28T01:57:56Z)
• Complex Knowledge Base Question Answering: A Survey [41.680033017518376]
  知識ベース質問応答(KBQA)は、知識ベース(KB)に関する質問に答えることを目的としている。 近年、研究者は複雑な疑問に答えることの難しさを考察する新しい手法を多数提案している。 本稿では,複雑なKBQAの手法,すなわち意味解析法(SPベース)と情報検索法(IRベース)の2つの主要なカテゴリについて述べる。
  論文  参考訳（メタデータ） (2021-08-15T08:14:54Z)
• A Survey on Complex Knowledge Base Question Answering: Methods, Challenges and Solutions [41.680033017518376]
  知識ベース質問応答(KBQA)は、知識ベース(KB)に関する質問に答えることを目的としている。 複雑なKBQAの典型的な課題と解決策を精巧に要約する。
  論文  参考訳（メタデータ） (2021-05-25T03:45:30Z)

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。