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

What Really is Commonsense Knowledge? [58.5342212738895]
我々は、既存のコモンセンス知識の定義を調査し、概念を定義するための3つのフレームワークに基礎を置き、それらをコモンセンス知識の統一的な定義に統合する。次に、アノテーションと実験のための統合された定義をCommonsenseQAとCommonsenseQA 2.0データセットで使用します。本研究は,2つのデータセットには非常識知識のインスタンスが多数存在し,これら2つのサブセットに対して大きな性能差があることを示す。
論文参考訳（メタデータ） (2024-11-06T14:54:19Z)
Exploring Large Language Models for Knowledge Graph Completion [17.139056629060626]
我々は知識グラフのトリプルをテキストシーケンスとみなし、知識グラフLLMと呼ばれる革新的なフレームワークを導入する。提案手法では,三重項の実体的記述と関係的記述をプロンプトとして利用し,その応答を予測に利用する。種々のベンチマーク知識グラフを用いた実験により,三重分類や関係予測といったタスクにおいて,本手法が最先端の性能を達成することを示す。
論文参考訳（メタデータ） (2023-08-26T16:51:17Z)
Towards Open Vocabulary Learning: A Survey [146.90188069113213]
ディープニューラルネットワークは,セグメンテーションやトラッキング,検出といった,さまざまなコアタスクにおいて,目覚ましい進歩を遂げている。近年、視覚言語事前学習の急速な進歩により、オープンな語彙設定が提案されている。本稿では,その分野における最近の発展を要約し分析し,オープンな語彙学習の徹底的なレビューを行う。
論文参考訳（メタデータ） (2023-06-28T02:33:06Z)
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)
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)
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)
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。