論文の概要: COSMO: Conditional SEQ2SEQ-based Mixture Model for Zero-Shot Commonsense
Question Answering
- arxiv url: http://arxiv.org/abs/2011.00777v1
- Date: Mon, 2 Nov 2020 07:08:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 11:58:07.981166
- Title: COSMO: Conditional SEQ2SEQ-based Mixture Model for Zero-Shot Commonsense
Question Answering
- Title(参考訳): COSMO: ゼロショットコモンセンス質問応答のための条件付きSEQ2SEQに基づく混合モデル
- Authors: Farhad Moghimifar, Lizhen Qu, Yue Zhuo, Mahsa Baktashmotlagh,
Gholamreza Haffari
- Abstract要約: 社会的文脈の暗黙的な原因と影響の特定は、機械が常識的推論を実行できるようにする駆動能力である。
この領域における現在のアプローチには、目に見えない状況に直面して常識推論を行う能力がない。
本稿では,動的かつ多様なコンテンツ生成機能を備えた条件付きSEQ2SEQベースの混合モデル(COSMO)を提案する。
- 参考スコア(独自算出の注目度): 50.65816570279115
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Commonsense reasoning refers to the ability of evaluating a social situation
and acting accordingly. Identification of the implicit causes and effects of a
social context is the driving capability which can enable machines to perform
commonsense reasoning. The dynamic world of social interactions requires
context-dependent on-demand systems to infer such underlying information.
However, current approaches in this realm lack the ability to perform
commonsense reasoning upon facing an unseen situation, mostly due to
incapability of identifying a diverse range of implicit social relations. Hence
they fail to estimate the correct reasoning path. In this paper, we present
Conditional SEQ2SEQ-based Mixture model (COSMO), which provides us with the
capabilities of dynamic and diverse content generation. We use COSMO to
generate context-dependent clauses, which form a dynamic Knowledge Graph (KG)
on-the-fly for commonsense reasoning. To show the adaptability of our model to
context-dependant knowledge generation, we address the task of zero-shot
commonsense question answering. The empirical results indicate an improvement
of up to +5.2% over the state-of-the-art models.
- Abstract(参考訳): 常識推論(commonsense reasoning)とは、社会的状況を評価し、それに応じて行動する能力のこと。
社会的文脈の暗黙的な原因と影響の特定は、機械が常識的推論を行うことができる駆動能力である。
社会的相互作用の動的な世界は、そのような基盤となる情報を推測するためにコンテキスト依存のオンデマンドシステムを必要とする。
しかし、この領域における現在のアプローチは、多種多様な暗黙の社会的関係を識別できないために、目に見えない状況に直面して常識的推論を行う能力が欠如している。
したがって、正しい推論経路を見積もることができない。
本稿では,条件付きSEQ2SEQに基づく混合モデル(COSMO)を提案する。
我々は,コモンセンス推論のための動的知識グラフ(kg)を形成する文脈依存節の生成にコスモを用いる。
このモデルの文脈依存型知識生成への適応性を示すため,ゼロショットコモンセンス質問応答の課題に対処した。
実験結果は、最先端のモデルよりも最大5.2%改善したことを示している。
関連論文リスト
- Synthetic Context Generation for Question Generation [6.226609932118123]
本稿では,大規模言語モデルによる合成文脈を用いたQGモデルの訓練について検討する。
たとえ合成されたとしても、QGタスクにはコンテキストが不可欠であることがわかった。
論文 参考訳(メタデータ) (2024-06-19T03:37:52Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a
Computational Approach [63.67533153887132]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳(メタデータ) (2023-11-16T07:22:56Z) - DeSIQ: Towards an Unbiased, Challenging Benchmark for Social
Intelligence Understanding [60.84356161106069]
複雑な社会的相互作用のビデオ上での複数選択質問のデータセットであるSocial-IQの健全性について検討する。
分析の結果,Social-IQにはある程度のバイアスがあり,適度に強い言語モデルによって活用できることがわかった。
ソーシャルIQに単純な摂動を適用して構築した,新たな挑戦的データセットであるDeSIQを紹介する。
論文 参考訳(メタデータ) (2023-10-24T06:21:34Z) - DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。
そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
論文 参考訳(メタデータ) (2023-06-15T10:41:23Z) - Context De-confounded Emotion Recognition [12.037240778629346]
コンテキストアウェア感情認識(CAER)は、対象者の感情状態を文脈情報で知覚することを目的としている。
長年見過ごされてきた問題は、既存のデータセットのコンテキストバイアスが感情状態のかなり不均衡な分布をもたらすことである。
本稿では、そのようなバイアスの影響からモデルを切り離し、CAERタスクにおける変数間の因果関係を定式化する因果関係に基づく視点を提供する。
論文 参考訳(メタデータ) (2023-03-21T15:12:20Z) - Knowledge-Based Counterfactual Queries for Visual Question Answering [0.0]
本稿では,VQAモデルの動作を説明するための系統的手法を提案する。
そこで我々は,言語的モダリティをターゲットとした決定論的,最適,制御可能な単語レベルの置換を行うために,構造化知識ベースを利用する。
次に、そのような反実的な入力に対するモデルの応答を評価する。
論文 参考訳(メタデータ) (2023-03-05T08:00:30Z) - elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。
このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。
elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
論文 参考訳(メタデータ) (2022-03-17T16:23:45Z) - CausalCity: Complex Simulations with Agency for Causal Discovery and
Reasoning [68.74447489372037]
本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。
私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。
我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
論文 参考訳(メタデータ) (2021-06-25T00:21:41Z) - Learning Opinion Dynamics From Social Traces [25.161493874783584]
本稿では,現実の社会的トレースに,生成的,エージェントライクな意見力学モデルを適用するための推論機構を提案する。
本稿では,古典的エージェントに基づく意見力学モデルから,その生成的モデルへの変換による提案について紹介する。
われわれのモデルをRedditの現実世界のデータに適用して、バックファイア効果の影響に関する長年にわたる疑問を探る。
論文 参考訳(メタデータ) (2020-06-02T14:48:17Z)
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。