Fugu-MT 論文翻訳(概要): Commonsense Knowledge Mining from Term Definitions

論文の概要: Commonsense Knowledge Mining from Term Definitions

arxiv url: http://arxiv.org/abs/2102.00651v1
Date: Mon, 1 Feb 2021 05:54:02 GMT
ステータス: 処理完了
システム内更新日: 2021-02-02 17:01:35.643977
Title: Commonsense Knowledge Mining from Term Definitions
Title（参考訳）: 用語定義からの常識知識マイニング
Authors: Zhicheng Liang and Deborah L. McGuinness
Abstract要約: 辞書用語の定義を入力として,コモンセンス知識を3重にマイニングする機械学習手法について検討する。実験の結果,用語の定義には意味的関係の3つの意味的知識が含まれていることがわかった。
参考スコア（独自算出の注目度）: 0.20305676256390934
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Commonsense knowledge has proven to be beneficial to a variety of application areas, including question answering and natural language understanding. Previous work explored collecting commonsense knowledge triples automatically from text to increase the coverage of current commonsense knowledge graphs. We investigate a few machine learning approaches to mining commonsense knowledge triples using dictionary term definitions as inputs and provide some initial evaluation of the results. We start from extracting candidate triples using part-of-speech tag patterns from text, and then compare the performance of three existing models for triple scoring. Our experiments show that term definitions contain some valid and novel commonsense knowledge triples for some semantic relations, and also indicate some challenges with using existing triple scoring models.
Abstract（参考訳）: commonsenseの知識は、質問応答や自然言語理解など、さまざまな応用分野に有益であることが証明されている。以前の研究では、現在のcommonsense知識グラフをカバーするために、テキストから自動的に3倍のcommonsense知識を収集することを検討した。辞書用語定義をインプットとして,コモンセンスの知識トリプルをマイニングする機械学習手法をいくつか検討し,その初期評価を行った。まず,テキストから部分音声タグパターンを用いて3つの候補を抽出し,既存の3つのモデルの性能を比較した。私たちの実験では、用語定義には意味関係に対する正当かつ新しいコモンセンスの知識トリプルが含まれており、また既存のトリプルスコアリングモデルを使用する際の課題も示している。

関連論文リスト

ComFact: A Benchmark for Linking Contextual Commonsense Knowledge [31.19689856957576]
そこで我々は,KGから状況に関連のあるコモンセンス知識を特定するために,モデルにコンテキストを付与し,訓練を行う,コモンセンス事実リンクの新しい課題を提案する。われわれの新しいベンチマークであるComFactは、4つのスタイリスティックな多様なデータセットにまたがるコモンセンスのための293kのインコンテキスト関連アノテーションを含んでいる。
論文参考訳（メタデータ） (2022-10-23T09:30:39Z)
MICO: A Multi-alternative Contrastive Learning Framework for Commonsense Knowledge Representation [52.238466443561705]
MICOは、COmmonsenseナレッジグラフの多元的コントラスト学習フレームワークである。エンティティノード間のコンテキスト相互作用によるコモンセンス知識表現を生成する。これは、単純に表現間の距離スコアを比較することで、以下の2つのタスクの恩恵を受けることができる。
論文参考訳（メタデータ） (2022-10-14T06:51:21Z)
Recitation-Augmented Language Models [85.30591349383849]
知識集約型NLPタスクにおいて,RECITEは強力なパラダイムであることを示す。具体的には、リサイクリングを中間ステップとして活用することにより、新しい最先端性能を実現することができることを示す。
論文参考訳（メタデータ） (2022-10-04T00:49:20Z)
A Review of Knowledge Graph Completion [0.0]
情報抽出法は構造化データや非構造化データからの3重抽出に有効であることが証明された。現在の知識グラフのほとんどは不完全である。下流タスクでKGを使用するためには、KGに欠けているリンクを予測することが望ましい。
論文参考訳（メタデータ） (2022-08-24T16:42:59Z)
Repurposing Knowledge Graph Embeddings for Triple Representation via Weak Supervision [77.34726150561087]
現在の方法では、事前訓練されたモデルからの実体と述語埋め込みを使わずに、スクラッチから三重埋め込みを学習する。本研究では,知識グラフからトリプルを自動抽出し,事前学習した埋め込みモデルからそれらのペアの類似性を推定する手法を開発した。これらのペアの類似度スコアは、細い三重表現のためにシームズ様のニューラルネットワークに供給される。
論文参考訳（メタデータ） (2022-08-22T14:07:08Z)
Textbook to triples: Creating knowledge graph in the form of triples from AI TextBook [0.8832969171530054]
本稿では,ある教科書のテキストを知識グラフとして視覚化できる3重テキストに変換するシステムを開発した。最初の評価と評価は、F1スコアが82%の有望な結果となった。
論文参考訳（メタデータ） (2021-11-20T22:28:23Z)
Alleviating the Knowledge-Language Inconsistency: A Study for Deep Commonsense Knowledge [25.31716910260664]
深層コモンセンス知識は、コモンセンス知識の重要な部分を占めている。文に分散した深層コモンセンス知識をマイニングするための新しい手法を提案する。
論文参考訳（メタデータ） (2021-05-28T06:26:19Z)
Language Generation with Multi-Hop Reasoning on Commonsense Knowledge Graph [124.45799297285083]
知識グラフの構造的情報と意味的情報の両方を活用することで、コモンセンスを意識したテキスト生成が促進されると主張している。本稿では,外部コモンセンス知識グラフから抽出したマルチリレーショナルパスに基づいて,動的マルチホップ推論を用いた事前学習モデルを実現するマルチホップ推論フロー(GRF)の生成を提案する。
論文参考訳（メタデータ） (2020-09-24T13:55:32Z)
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)
Knowledge-graph based Proactive Dialogue Generation with Improved Meta-Learning [0.0]
本稿では,知識グラフに基づく3つのコンポーネントを用いたプロアクティブ対話生成モデル(KgDg)を提案する。知識三重項の埋め込みと選択については、文の埋め込みの問題として定式化し、意味情報をよりよく捉える。改良されたMAMLアルゴリズムは,限られた知識グラフから一般的な特徴を学習することができる。
論文参考訳（メタデータ） (2020-04-19T08:41:12Z)
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。