論文の概要: DAGN: Discourse-Aware Graph Network for Logical Reasoning
- arxiv url: http://arxiv.org/abs/2103.14349v1
- Date: Fri, 26 Mar 2021 09:41:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2021-03-29 12:50:01.812193
- Title: DAGN: Discourse-Aware Graph Network for Logical Reasoning
- Title（参考訳）: DAGN: 論理推論のための談話対応グラフネットワーク
- Authors: Yinya Huang, Meng Fang, Yu Cao, Liwei Wang, Xiaodan Liang
- Abstract要約: 本論文では,テキストの対話構造に依存した対話型グラフネットワーク (DAGN) を提案する。
本モデルは,基本談話単位(EDU)と談話関係を持つグラフとして談話情報を符号化し,下流QAタスクのためのグラフネットワークを介して談話認識特徴を学習する。
- 参考スコア（独自算出の注目度）: 83.8041050565304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent QA with logical reasoning questions requires passage-level relations
among the sentences. However, current approaches still focus on sentence-level
relations interacting among tokens. In this work, we explore aggregating
passage-level clues for solving logical reasoning QA by using discourse-based
information. We propose a discourse-aware graph network (DAGN) that reasons
relying on the discourse structure of the texts. The model encodes discourse
information as a graph with elementary discourse units (EDUs) and discourse
relations, and learns the discourse-aware features via a graph network for
downstream QA tasks. Experiments are conducted on two logical reasoning QA
datasets, ReClor and LogiQA, and our proposed DAGN achieves competitive
results.
- Abstract（参考訳）: 論理的推論問題を持つ最近のQAは、文間の通過レベル関係を必要とする。
しかし、現在のアプローチは、トークン間で相互作用する文レベルの関係に焦点を当てている。
本研究では、談話に基づく情報を用いて論理的推論QAを解くための経路レベルの手がかりを集約する。
本稿では,テキストの談話構造に依存した談話対応グラフネットワーク(DAGN)を提案する。
本モデルは,基本談話単位(EDU)と談話関係を持つグラフとして談話情報を符号化し,下流QAタスクのためのグラフネットワークを介して談話認識特徴を学習する。
論理的推論QAデータセットであるReClorとLogiQAで実験を行い,提案したDAGNが競合する結果を得た。
関連論文リスト
- Modeling Hierarchical Reasoning Chains by Linking Discourse Units and
Key Phrases for Reading Comprehension [80.99865844249106]
本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。
具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
論文 参考訳（メタデータ） (2023-06-21T07:34:27Z) - Discourse-Aware Graph Networks for Textual Logical Reasoning [142.0097357999134]
パッセージレベルの論理関係は命題単位間の係り合いまたは矛盾を表す(例、結論文)
論理的推論QAを解くための論理構造制約モデリングを提案し、談話対応グラフネットワーク(DAGN)を導入する。
ネットワークはまず、インラインの談話接続とジェネリック論理理論を利用した論理グラフを構築し、その後、エッジ推論機構を用いて論理関係を進化させ、グラフ機能を更新することで論理表現を学習する。
論文 参考訳（メタデータ） (2022-07-04T14:38:49Z) - VQA-GNN: Reasoning with Multimodal Knowledge via Graph Neural Networks
for Visual Question Answering [79.22069768972207]
本稿では,VQA-GNNモデルを提案する。VQA-GNNは,非構造化知識と構造化知識の双方向融合を行い,統一知識表現を得る。
具体的には,シーングラフとコンセプトグラフを,QAコンテキストを表すスーパーノードを介して相互接続する。
課題2つのVQAタスクにおいて,本手法はVCRが3.2%,GQAが4.6%,強いベースラインVQAが3.2%向上し,概念レベルの推論を行う上での強みが示唆された。
論文 参考訳（メタデータ） (2022-05-23T17:55:34Z) - AdaLoGN: Adaptive Logic Graph Network for Reasoning-Based Machine
Reading Comprehension [21.741085513119785]
ReClorやLogiQAといった最近の機械学習の理解データセットでは、テキスト上で論理的推論を行う必要がある。
本稿では, テキスト単位間の論理的関係を表すグラフ上で, 応答を予測し, メッセージを渡すニューラルシンボリックなアプローチを提案する。
論文 参考訳（メタデータ） (2022-03-16T23:51:01Z) - QA-GNN: Reasoning with Language Models and Knowledge Graphs for Question
Answering [122.84513233992422]
学習済み言語モデル(LM)と知識グラフ(KG)の知識を用いて質問に答える問題に対処する新しいモデルであるQA-GNNを提案する。
既存のLMとLM+KGモデルに対する改善と、解釈可能で構造化された推論を行う能力を示しています。
論文 参考訳（メタデータ） (2021-04-13T17:32:51Z) - A Hierarchical Reasoning Graph Neural Network for The Automatic Scoring
of Answer Transcriptions in Video Job Interviews [14.091472037847499]
質問応答対の自動評価のための階層型推論グラフニューラルネットワーク(HRGNN)を提案する。
我々は,現在QAセッションの相互作用状態をモデル化するために,意味レベル推論グラフアテンションネットワークを利用する。
最後に,最終予測のための時間的質問応答対を表すゲート再帰単位エンコーダを提案する。
論文 参考訳（メタデータ） (2020-12-22T12:27:45Z) - SRLGRN: Semantic Role Labeling Graph Reasoning Network [22.06211725256875]
この研究は、マルチホップ質問応答(QA)に対する学習と推論の課題を扱う。
本稿では,文の意味構造に基づくグラフ推論ネットワークを提案し,段落間の推論経路を学習する。
提案手法は,最近の最先端モデルと比較して,HotpotQAトラクタ設定ベンチマークにおける競合性能を示す。
論文 参考訳（メタデータ） (2020-10-07T18:51:17Z) - VQA-LOL: Visual Question Answering under the Lens of Logic [58.30291671877342]
画像に関する疑問に答えるように訓練された視覚的質問応答システムが,複数の質問の論理的構成に答えられるかどうかを検討する。
本稿では,VQAデータセットをベンチマークとして拡張し,論理的構成や言語的変換を含む質問を行う。
本稿では,論理的結合性を理解するために質問注意と論理意図を用いたLOLモデルと,新しいFr'echet-Compatibility Lossを提案する。
論文 参考訳（メタデータ） (2020-02-19T17:57:46Z)
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。