論文の概要: CSKG: The CommonSense Knowledge Graph

• arxiv url: http://arxiv.org/abs/2012.11490v2
• Date: Tue, 23 Mar 2021 00:42:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-27 11:38:53.912176
• Title: CSKG: The CommonSense Knowledge Graph
• Title（参考訳）: CSKG: CommonSenseの知識グラフ
• Authors: Filip Ilievski, Pedro Szekely, Bin Zhang
• Abstract要約: 7つの主要なソースを最初の統合CommonSense Knowledge Graph(CSKG)に統合します。 我々はCSKGとその各種テキストおよびグラフ埋め込みを分析し、CSKGが十分に接続されており、その埋め込みがグラフへの有用なエントリポイントを提供することを示す。
• 参考スコア（独自算出の注目度）: 4.613979002313871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sources of commonsense knowledge support applications in natural language understanding, computer vision, and knowledge graphs. Given their complementarity, their integration is desired. Yet, their different foci, modeling approaches, and sparse overlap make integration difficult. In this paper, we consolidate commonsense knowledge by following five principles, which we apply to combine seven key sources into a first integrated CommonSense Knowledge Graph (CSKG). We analyze CSKG and its various text and graph embeddings, showing that CSKG is well-connected and that its embeddings provide a useful entry point to the graph. We demonstrate how CSKG can provide evidence for generalizable downstream reasoning and for pre-training of language models. CSKG and all its embeddings are made publicly available to support further research on commonsense knowledge integration and reasoning.
• Abstract（参考訳）: 常識知識の源泉は、自然言語理解、コンピュータビジョン、知識グラフの応用を支援する。 相補性を考えると、統合が望まれる。 しかし、それらの異なる焦点、モデリングアプローチ、スパースオーバーラップは統合を困難にする。 本稿では,コモンセンス知識を5つの原則に従って統合し,第1統合コモンセンス知識グラフ(CSKG)に7つのキーソースを組み合わせる。 我々はCSKGとその各種テキストおよびグラフ埋め込みを分析し、CSKGが十分に接続されており、その埋め込みがグラフへの有用なエントリポイントを提供することを示す。 CSKGは、一般化可能な下流推論と言語モデルの事前学習のための証拠を提供する。 CSKGとその埋め込みは、コモンセンス知識の統合と推論に関するさらなる研究を支援するために公開されている。

関連論文リスト

• A Prompt-Based Knowledge Graph Foundation Model for Universal In-Context Reasoning [17.676185326247946]
  そこで本研究では,テキスト内学習,すなわちKG-ICLを介し,プロンプトに基づくKGファウンデーションモデルを提案する。 クエリにおけるエンティティや関係を発見できないような一般化機能を備えたプロンプトグラフを符号化するために,まず統一トークン化器を提案する。 そこで我々は,プロンプトエンコーディングとKG推論を行う2つのメッセージパッシングニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2024-10-16T06:47:18Z)
• EntailE: Introducing Textual Entailment in Commonsense Knowledge Graph Completion [54.12709176438264]
  Commonsense knowledge graph(CSKG)は、名前付きエンティティ、短いフレーズ、イベントをノードとして表現するために自由形式のテキストを使用する。 現在の手法では意味的類似性を利用してグラフ密度を増大させるが、ノードとその関係のセマンティックな妥当性は未探索である。 そこで本研究では,CSKGノード間の暗黙的な包絡関係を見つけるために,テキストエンテーメントを導入し,同じ概念クラス内のサブグラフ接続ノードを効果的に密度化することを提案する。
  論文  参考訳（メタデータ） (2024-02-15T02:27:23Z)
• Visually Grounded Commonsense Knowledge Acquisition [132.42003872906062]
  大規模なコモンセンス知識ベースは、幅広いAIアプリケーションを促進する。 視覚知覚には、現実世界の実体に関する豊富な常識知識が含まれる。 本稿では,遠隔教師付きマルチインスタンス学習問題としてCKEを定式化するCLEVERを提案する。
  論文  参考訳（メタデータ） (2022-11-22T07:00:16Z)
• Knowledgebra: An Algebraic Learning Framework for Knowledge Graph [15.235089177507897]
  知識グラフ(KG)表現学習は、データセットに含まれる知識を一貫して表現できるように、エンティティと関係を密度の高い連続ベクトル空間に符号化することを目的としている。 我々は,KG の代数構造を観察し,KG の数学的言語を開発した。 本研究では,標準的なデータセット上での最先端性能を示す,単純な行列半群を用いたインスタンス化モデルSemEを実装した。
  論文  参考訳（メタデータ） (2022-04-15T04:53:47Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Zero-Shot Scene Graph Relation Prediction through Commonsense Knowledge Integration [9.203403318435486]
  我々は,シーングラフ生成のためのコモンセンス知識を統合するフレームワークであるCommOnsense-integrAted sCenegrapHrElation pRediction (COACHER)を提案する。 具体的には、外部コモンセンス知識グラフにおいて、エンティティ周辺の近傍と経路をモデル化する新しいグラフマイニングパイプラインを開発する。
  論文  参考訳（メタデータ） (2021-07-11T16:22:45Z)
• KompaRe: A Knowledge Graph Comparative Reasoning System [85.72488258453926]
  本稿では,複数の手がかりに対する共通点と矛盾点の推測を目的とした知識グラフの比較推論を提案する。 我々は,大規模な知識グラフに対して比較推論機能を提供する,最初のプロトタイプシステムであるKompaReを開発した。
  論文  参考訳（メタデータ） (2020-11-06T04:57:37Z)
• JAKET: Joint Pre-training of Knowledge Graph and Language Understanding [73.43768772121985]
  本稿では,知識グラフと言語の両方をモデル化する新しい事前学習フレームワークであるJAKETを提案する。 知識モジュールと言語モジュールは相互に支援するための重要な情報を提供する。 我々の設計により、事前学習されたモデルは、新しいドメインの見知らぬ知識グラフに容易に適応できる。
  論文  参考訳（メタデータ） (2020-10-02T05:53:36Z)
• Consolidating Commonsense Knowledge [5.738787482277405]
  多くの貴重なコモンセンス知識源は、異なる強み、強み、弱みを持つ。 我々はそれらをCSKG(Common Sense Knowledge Graph)に統合するための原理と表現モデルを提案する。 CSKGの統計データを提示し、4つのQAデータセット上でその実用性についての最初の調査を行い、学習した教訓をリストアップする。
  論文  参考訳（メタデータ） (2020-06-10T23:40:11Z)
• Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs [96.73259297063619]
  我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。 新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。 我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
  論文  参考訳（メタデータ） (2020-01-08T01:19:08Z)

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。