論文の概要: ECNU-SenseMaker at SemEval-2020 Task 4: Leveraging Heterogeneous Knowledge Resources for Commonsense Validation and Explanation

• arxiv url: http://arxiv.org/abs/2007.14200v1
• Date: Tue, 28 Jul 2020 13:30:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 02:09:52.541151
• Title: ECNU-SenseMaker at SemEval-2020 Task 4: Leveraging Heterogeneous Knowledge Resources for Commonsense Validation and Explanation
• Title（参考訳）: ECNU-SenseMaker at SemEval-2020 Task 4: Leveraging Heterogeneous Knowledge Resources for Commonsense Validation and Explanation
• Authors: Qian Zhao, Siyu Tao, Jie Zhou, Linlin Wang, Xin Lin and Liang He
• Abstract要約: 本稿では,SemEval-2020 Task 4: Commonsense Validation and Explanationについて述べる。 本稿では,構造化知識ベースと非構造化テキストの両方から異種知識を活用する,新しい知識強化グラフ注意ネットワーク(KEGAT)アーキテクチャを提案する。 このモデルは、適切なコモンセンス法と改良されたデータ拡張技術を利用して、強力なコモンセンス推論能力を有する。
• 参考スコア（独自算出の注目度）: 33.87426878043562
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper describes our system for SemEval-2020 Task 4: Commonsense Validation and Explanation (Wang et al., 2020). We propose a novel Knowledge-enhanced Graph Attention Network (KEGAT) architecture for this task, leveraging heterogeneous knowledge from both the structured knowledge base (i.e. ConceptNet) and unstructured text to better improve the ability of a machine in commonsense understanding. This model has a powerful commonsense inference capability via utilizing suitable commonsense incorporation methods and upgraded data augmentation techniques. Besides, an internal sharing mechanism is cooperated to prohibit our model from insufficient and excessive reasoning for commonsense. As a result, this model performs quite well in both validation and explanation. For instance, it achieves state-of-the-art accuracy in the subtask called Commonsense Explanation (Multi-Choice). We officially name the system as ECNU-SenseMaker. Code is publicly available at https://github.com/ECNU-ICA/ECNU-SenseMaker.
• Abstract（参考訳）: 本稿では,SemEval-2020 Task 4: Commonsense Validation and Explanation (Wang et al., 2020)について述べる。 本稿では,構造化知識ベース(概念ネット)と非構造化テキストの両方からの異質な知識を活用して,常識理解における機械の能力を向上させる,新たな知識強化グラフアテンションネットワーク(kegat)アーキテクチャを提案する。 このモデルは、適切なcommonsense組み込みメソッドとアップグレードされたデータ拡張技術を利用することにより、強力なcommonsense推論能力を有する。 さらに、コモンセンスに対する不十分かつ過剰な推論を防止するために、内部共有メカニズムが協力される。 その結果、このモデルは検証と説明の両方で非常によく機能する。 例えば、Commonsense Explanation(Multi-Choice)と呼ばれるサブタスクで最先端の精度を達成する。 我々は公式にECNU-SenseMakerと命名する。 コードはhttps://github.com/ECNU-ICA/ECNU-SenseMakerで公開されている。

関連論文リスト

• CANDLE: Iterative Conceptualization and Instantiation Distillation from Large Language Models for Commonsense Reasoning [45.62134354858683]
  CANDLEは、コモンセンス知識ベースに対する概念化とインスタンス化を反復的に行うフレームワークである。 CANDLEをATOMICに適用することにより、600万の概念化と三重項のインスタンス化を含む総合的な知識基盤を構築する。
  論文  参考訳（メタデータ） (2024-01-14T13:24:30Z)
• Hybrid Rule-Neural Coreference Resolution System based on Actor-Critic Learning [53.73316523766183]
  コアレゾリューションシステムは2つの主要なタスクに取り組む必要がある。 ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。 本稿では,アクター・クリティカル・ラーニングに基づく複合ルール・ニューラル・コア参照解決システムを提案する。
  論文  参考訳（メタデータ） (2022-12-20T08:55:47Z)
• Modularized Transfer Learning with Multiple Knowledge Graphs for Zero-shot Commonsense Reasoning [22.443211209959497]
  ゼロショットQAシステムは、コモンセンス知識グラフ(KG)をモデルトレーニングのための合成QAフォームサンプルに変換する。 本稿では,異なる種類のコモンセンスKGを考慮し,ゼロショット転送学習シナリオを複数ソース設定に拡張することを目的とする。 本稿では,知識集約のモジュラー版を開発することにより,異なる知識ソース間の干渉による知識の喪失を軽減することを提案する。
  論文  参考訳（メタデータ） (2022-06-08T07:36:31Z)
• KAT: A Knowledge Augmented Transformer for Vision-and-Language [56.716531169609915]
  我々は、OK-VQAのオープンドメインマルチモーダルタスクにおいて、最先端の強力な結果をもたらす新しいモデルである知識拡張トランスフォーマー(KAT)を提案する。 提案手法は,エンド・ツー・エンドのエンコーダ・デコーダアーキテクチャにおいて暗黙的かつ明示的な知識を統合しつつ,回答生成時に両知識源を共同で推論する。 我々の分析では、モデル予測の解釈可能性の向上に、明示的な知識統合のさらなる利点が見られる。
  論文  参考訳（メタデータ） (2021-12-16T04:37:10Z)
• Informed Machine Learning for Improved Similarity Assessment in Process-Oriented Case-Based Reasoning [1.370633147306388]
  グラフニューラルネットワーク(GNN)にドメイン知識を統合する可能性について検討する。 まず、各グラフノードとエッジのセマンティックアノテーションに関する構造知識を符号化する特殊なデータ表現処理手法を用いる。 第2に、GNNのメッセージパッシングコンポーネントは、法的なノードマッピングに関する知識によって制約される。
  論文  参考訳（メタデータ） (2021-06-30T09:31:58Z)
• COMET-ATOMIC 2020: On Symbolic and Neural Commonsense Knowledge Graphs [82.8453695903687]
  我々は,手作業で構築したコモンセンス知識グラフ(CSKG)が,NLPエージェントが遭遇するすべての状況に適用可能な範囲を達成できないことを示す。 我々は、事前訓練された言語モデルでは利用できない知識を含む汎用コモンセンス知識の新しいCSKGであるATOMIC 2020を提案する。 我々は,他のCSKGと比較してその特性を評価し,コモンセンス知識資源の大規模一対研究を行った。
  論文  参考訳（メタデータ） (2020-10-12T18:27:05Z)
• Common Sense or World Knowledge? Investigating Adapter-Based Knowledge Injection into Pretrained Transformers [54.417299589288184]
  本研究では,概念ネットとそれに対応するオープンマインド・コモンセンス(OMCS)コーパスから,BERTの分布知識と概念知識を補完するモデルについて検討する。 我々のアダプタベースのモデルは,ConceptNet や OMCS に明示的に存在する概念的知識のタイプを必要とする推論タスクにおいて,BERT を大幅に上回っている。
  論文  参考訳（メタデータ） (2020-05-24T15:49:57Z)
• Knowledge Integration Networks for Action Recognition [58.548331848942865]
  我々は,アクション認識のためのメインブランチと,人間のパースとシーン認識のための2つの補助ブランチからなる3分岐アーキテクチャを設計する。 補助知識を中程度の畳み込み特徴に符号化するクロスブランチ統合(CBI)モジュールと、高レベルの文脈情報を効果的に融合するアクション知識グラフ(AKG)を含む2段階の知識符号化機構を提案する。 KINetは、大規模アクション認識ベンチマークKinetics-400の最先端性能を77.8%で達成している。
  論文  参考訳（メタデータ） (2020-02-18T10:20:30Z)

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。