論文の概要: Interactive Text Graph Mining with a Prolog-based Dialog Engine
- arxiv url: http://arxiv.org/abs/2008.00956v1
- Date: Fri, 31 Jul 2020 03:29:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 06:46:32.885106
- Title: Interactive Text Graph Mining with a Prolog-based Dialog Engine
- Title(参考訳): Prolog-based Dialog Engineを用いたインタラクティブテキストグラフマイニング
- Authors: Paul Tarau and Eduardo Blanco
- Abstract要約: テキスト文書から抽出したランキングファクトデータベースを対話的に探索するPrologベースのダイアログエンジンを設計する。
我々は、依存リンクとWordNetが主観動詞オブジェクト、is-a、part-of関係という形でもたらす暗黙のセマンティック情報を利用する。
- 参考スコア(独自算出の注目度): 8.663755202726795
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: On top of a neural network-based dependency parser and a graph-based natural
language processing module we design a Prolog-based dialog engine that explores
interactively a ranked fact database extracted from a text document.
We reorganize dependency graphs to focus on the most relevant content
elements of a sentence and integrate sentence identifiers as graph nodes.
Additionally, after ranking the graph we take advantage of the implicit
semantic information that dependency links and WordNet bring in the form of
subject-verb-object, is-a and part-of relations.
Working on the Prolog facts and their inferred consequences, the dialog
engine specializes the text graph with respect to a query and reveals
interactively the document's most relevant content elements.
The open-source code of the integrated system is available at
https://github.com/ptarau/DeepRank .
Under consideration in Theory and Practice of Logic Programming (TPLP).
- Abstract(参考訳): ニューラルネットワークベースの依存性パーサとグラフベースの自然言語処理モジュールの上に、テキスト文書から抽出されたランキングファクトデータベースを対話的に探索するPrologベースのダイアログエンジンを設計する。
依存グラフを再編成し,文の最も関連性の高い要素に着目し,文識別子をグラフノードとして統合する。
さらに、グラフをランク付けした後、依存リンクとWordNetが主観動詞オブジェクト、is-a、part-of関係という形でもたらす暗黙のセマンティック情報を利用する。
Prologの事実とその推測結果に基づいて、ダイアログエンジンはクエリに関するテキストグラフを専門とし、ドキュメントの最も関連性の高いコンテンツ要素をインタラクティブに公開する。
統合システムのオープンソースコードはhttps://github.com/ptarau/DeepRank で公開されている。
論理プログラミングの理論と実践(tplp)における考察。
関連論文リスト
- Generative Subgraph Retrieval for Knowledge Graph-Grounded Dialog Generation [17.437568540883106]
ダイアログGSR(Generative Subgraph Retrieval)を用いたダイアログ生成を提案する。
DialogGSRは、言語モデル上にトークンシーケンスを直接生成することで、関連する知識サブグラフを取得する。
OpenDialKGとKOMODISデータセットで示されるように、知識グラフ基底ダイアログ生成における最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2024-10-12T03:33:42Z) - Hierarchical Compression of Text-Rich Graphs via Large Language Models [63.75293588479027]
テキストリッチグラフは、eコマースや学術グラフのようなデータマイニングの文脈で広く使われている。
本稿では,LLMの能力とテキストリッチグラフの構造を整合させる新しい手法であるHiComを紹介する。
HiComは、Eコマースと引用グラフのノード分類において、GNNとLLMのバックボーンよりも優れている。
論文 参考訳(メタデータ) (2024-06-13T07:24:46Z) - Enhancing Dialogue Generation via Dynamic Graph Knowledge Aggregation [23.54754465832362]
従来のグラフニューラルネットワーク(GNN)では、グラフに渡すメッセージはテキストとは独立している。
このトレーニング体制は、グラフ知識とテキストの間に意味的なギャップをもたらす。
知識グラフ強化対話生成のための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-06-28T13:21:00Z) - Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。
ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
論文 参考訳(メタデータ) (2023-05-04T16:04:41Z) - GraphFormers: GNN-nested Transformers for Representation Learning on
Textual Graph [53.70520466556453]
階層的にGNNコンポーネントを言語モデルのトランスフォーマーブロックと一緒にネストするGraphFormerを提案する。
提案したアーキテクチャでは、テキストエンコーディングとグラフ集約を反復的なワークフローに融合する。
さらに、プログレッシブ・ラーニング・ストラテジーを導入し、そのモデルが操作されたデータと元のデータに基づいて連続的に訓練され、グラフ上の情報を統合する能力を強化する。
論文 参考訳(メタデータ) (2021-05-06T12:20:41Z) - Dialogue Relation Extraction with Document-level Heterogeneous Graph
Attention Networks [21.409522845011907]
対話関係抽出(DRE)は,多人数対話で言及される2つのエンティティ間の関係を検出することを目的としている。
本稿では,グラフが有意に接続された話者,エンティティ,エンティティタイプ,発話ノードを含むDREのためのグラフ注意ネットワーク方式を提案する。
このグラフに基づくアプローチは,対話における異なるエンティティペア間の関係を効果的に捉え,最先端のアプローチよりも優れていることを実証的に示す。
論文 参考訳(メタデータ) (2020-09-10T18:51:48Z) - LogicalFactChecker: Leveraging Logical Operations for Fact Checking with
Graph Module Network [111.24773949467567]
ファクトチェックに論理演算を活用するニューラルネットワークアプローチであるLogicalFactCheckerを提案する。
大規模なベンチマークデータセットであるTABFACT上での最先端のパフォーマンスを実現している。
論文 参考訳(メタデータ) (2020-04-28T17:04:19Z) - Heterogeneous Graph Neural Networks for Extractive Document
Summarization [101.17980994606836]
クロス文関係は、抽出文書要約における重要なステップである。
We present a graph-based neural network for extractive summarization (HeterSumGraph)
抽出文書要約のためのグラフベースニューラルネットワークに異なる種類のノードを導入する。
論文 参考訳(メタデータ) (2020-04-26T14:38:11Z) - Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。
グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
論文 参考訳(メタデータ) (2020-04-05T13:09:37Z)
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。