Fugu-MT 論文翻訳(概要): A Simple Disaster-Related Knowledge Base for Intelligent Agents

論文の概要: A Simple Disaster-Related Knowledge Base for Intelligent Agents

arxiv url: http://arxiv.org/abs/2101.10014v1
Date: Mon, 25 Jan 2021 11:31:05 GMT
ステータス: 処理完了
システム内更新日: 2021-03-16 04:33:30.649240
Title: A Simple Disaster-Related Knowledge Base for Intelligent Agents
Title（参考訳）: インテリジェントエージェントのための簡易災害関連知識基盤
Authors: Clark Emmanuel Paulo, Arvin Ken Ramirez, David Clarence Reducindo, Rannie Mark Mateo, Joseph Marvin Imperial
Abstract要約: フィリピンの災害の文脈において,概念と単語関係からなるセマンティックネットワークを構築した。コンテキスト固有の知識ベースは、Facebook Messengerなどのプラットフォームに統合されたチャットボットなどのインテリジェントエージェントによって適応することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we describe our efforts in establishing a simple knowledge base by building a semantic network composed of concepts and word relationships in the context of disasters in the Philippines. Our primary source of data is a collection of news articles scraped from various Philippine news websites. Using word embeddings, we extract semantically similar and co-occurring words from an initial seed words list. We arrive at an expanded ontology with a total of 450 word assertions. We let experts from the fields of linguistics, disasters, and weather science evaluate our knowledge base and arrived at an agreeability rate of 64%. We then perform a time-based analysis of the assertions to identify important semantic changes captured by the knowledge base such as the (a) trend of roles played by human entities, (b) memberships of human entities, and (c) common association of disaster-related words. The context-specific knowledge base developed from this study can be adapted by intelligent agents such as chat bots integrated in platforms such as Facebook Messenger for answering disaster-related queries.
Abstract（参考訳）: 本論文では,フィリピンの災害時における概念と単語関係からなる意味的ネットワークを構築することにより,単純な知識基盤を確立する取り組みについて述べる。私たちの主なデータソースは、フィリピンのニュースサイトから取り除かれたニュース記事のコレクションです。単語埋め込みを用いて、初期シード単語リストから意味的に類似し共起する単語を抽出する。我々は450単語のアサーションを持つ拡張オントロジーに到達した。言語学、災害学、気象学の専門家に私たちの知識ベースを評価し、一致率64%に到達させました。次に,アサーションの時系列分析を行い,(a) 人間による役割の傾向,(b) 人間の所属,(c) 災害関連単語の共通化など,知識基盤が捉えた重要な意味的変化を同定する。本研究から開発されたコンテキスト固有の知識ベースは,facebook messengerなどのプラットフォームに統合されたチャットボットなどのインテリジェントエージェントによって,災害関連クエリに応答することができる。

関連論文リスト

DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
論文参考訳（メタデータ） (2023-10-31T04:37:57Z)
Large Language Models as Source Planner for Personalized Knowledge-grounded Dialogue [72.26474540602517]
SAFARIは、教師なしと教師なしの両方の設定で計画し、理解し、導入するための新しいフレームワークである。我々は、パーソナライズされた知識ベース対話データセットtextittextbfKnowledge textbfBehind textbfPersona(textbfKBP)を構築する。 KBPデータセットによる実験結果から,SAFARIフレームワークはペルソナ一貫性と知識強化の応答を効果的に生成できることが示された。
論文参考訳（メタデータ） (2023-10-13T03:38:38Z)
Representing Affect Information in Word Embeddings [5.378735006566249]
大規模ニューラルネットワークで事前学習した単語の埋め込みにおいて、単語の感情の意味がコード化されているかどうかを検討した。埋め込みは静的あるいは文脈的に変化し、事前学習と微調整の段階で特定の情報にどの程度影響するかが優先された。
論文参考訳（メタデータ） (2022-09-21T18:16:33Z)
Taxonomy Enrichment with Text and Graph Vector Representations [61.814256012166794]
我々は,既存の分類学に新たな語を加えることを目的とした分類学の豊かさの問題に対処する。我々は,この課題に対して,少ない労力で高い結果を得られる新しい手法を提案する。我々は、異なるデータセットにわたる最先端の結果を達成し、ミスの詳細なエラー分析を提供する。
論文参考訳（メタデータ） (2022-01-21T09:01:12Z)
Commonsense Knowledge in Word Associations and ConceptNet [37.751909219863585]
本稿では,ConcpetNet と SWOW という2つの大規模知識資源の詳細な比較を行った。本稿では,2つのグラフの構造,重なり合い,相違点と,それらが状況的常識的知識をエンコードする程度について検討する。
論文参考訳（メタデータ） (2021-09-20T06:06:30Z)
DeepHateExplainer: Explainable Hate Speech Detection in Under-resourced Bengali Language [1.2246649738388389]
ベンガル語からのヘイトスピーチ検出のための説明可能なアプローチを提案する。我々のアプローチでは、ベンガルのテキストは、政治的、個人的、地政学的、宗教的憎悪に分類する前に、最初に包括的に前処理される。機械学習(線形および木ベースのモデル)およびディープニューラルネットワーク(CNN、Bi-LSTM、Conv-LSTMなどの単語埋め込み)に対する評価は、それぞれ政治的、個人的、地政学的、宗教的憎悪に対して、F1スコアは84%、90%、88%、88%である。
論文参考訳（メタデータ） (2020-12-28T16:46:03Z)
Named Entity Recognition for Social Media Texts with Semantic Augmentation [70.44281443975554]
名前付きエンティティ認識のための既存のアプローチは、短いテキストと非公式テキストで実行される場合、データ空間の問題に悩まされる。そこで我々は,NER によるソーシャルメディアテキストに対するニューラルベースアプローチを提案し,ローカルテキストと拡張セマンティクスの両方を考慮に入れた。
論文参考訳（メタデータ） (2020-10-29T10:06:46Z)
On the Effects of Knowledge-Augmented Data in Word Embeddings [0.6749750044497732]
単語埋め込み学習のためのデータ拡張による言語知識注入のための新しい手法を提案する。提案手法は,学習した埋め込みの本質的な特性を向上すると同時に,下流テキスト分類タスクにおける結果の大幅な変更は行わない。
論文参考訳（メタデータ） (2020-10-05T02:14:13Z)
Improving Machine Reading Comprehension with Contextualized Commonsense Knowledge [62.46091695615262]
我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
論文参考訳（メタデータ） (2020-09-12T17:20:01Z)
A Framework for Pre-processing of Social Media Feeds based on Integrated Local Knowledge Base [1.5749416770494706]
本稿では,ソーシャルメディアフィードの事前処理によるパフォーマンス向上のためのフレームワークを提案する。このフレームワークは、標準化されたデータセットで94.07%、ツイートから感情を抽出する際には、局所化されたデータセットで99.78%の精度を持っていた。
論文参考訳（メタデータ） (2020-06-29T07:56:22Z)
Inferential Text Generation with Multiple Knowledge Sources and Meta-Learning [117.23425857240679]
本研究では,テキストティフ・エルス関係のような多種多様なコモンセンスのイベントの推論テキストを生成する問題について検討する。既存のアプローチでは、トレーニング例からの限られた証拠を使用して、個々の関係について学習するのが一般的である。この研究では、モデルのための燃料として複数の知識ソースを使用します。
論文参考訳（メタデータ） (2020-04-07T01:49:18Z)

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。