論文の概要: Multivalent Entailment Graphs for Question Answering
- arxiv url: http://arxiv.org/abs/2104.07846v1
- Date: Fri, 16 Apr 2021 01:45:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 04:54:33.033276
- Title: Multivalent Entailment Graphs for Question Answering
- Title（参考訳）: 質問応答のための多値エンターメントグラフ
- Authors: Nick McKenna, Liane Guillou, Mohammad Javad Hosseini, Sander Bijl de
Vroe, Mark Steedman
- Abstract要約: オープンドメイン自然言語述語間の推論は、真の言語理解に不可欠である。
我々は,細粒度セマンティクスの問題に対する双方向の類似性よりも,方向内包が推論に有用であることを示す。
また、同値の証拠のみを用いることで、各値にまたがる証拠の描画の方が多くの疑問に答えることを示す。
- 参考スコア（独自算出の注目度）: 11.109524698463796
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Drawing inferences between open-domain natural language predicates is a
necessity for true language understanding. There has been much progress in
unsupervised learning of entailment graphs for this purpose. We make three
contributions: (1) we reinterpret the Distributional Inclusion Hypothesis to
model entailment between predicates of different valencies, like DEFEAT(Biden,
Trump) entails WIN(Biden); (2) we actualize this theory by learning
unsupervised Multivalent Entailment Graphs of open-domain predicates; and (3)
we demonstrate the capabilities of these graphs on a novel question answering
task. We show that directional entailment is more helpful for inference than
bidirectional similarity on questions of fine-grained semantics. We also show
that drawing on evidence across valencies answers more questions than by using
only the same valency evidence.
- Abstract（参考訳）: オープンドメイン自然言語述語間の推論は、真の言語理解に不可欠である。
この目的のために、エンテーメントグラフの教師なし学習には多くの進歩があった。
1) 分布包含仮説を再解釈し, 損失(バイデン, トランプ)がwin(バイデン)を伴い, 異なるヴァレンシーの述語間の帰結をモデル化すること, (2) オープンドメイン述語の教師なし多値帰納グラフを学習すること, (3) 新たな質問応答タスクにおけるこれらのグラフの能力を示す。
我々は,細粒度セマンティクスの問題に対する双方向の類似性よりも,方向内包が推論に有用であることを示す。
また、同値の証拠のみを用いることで、各値にまたがる証拠の描画の方が多くの疑問に答えることを示す。
関連論文リスト
- One for All: Towards Training One Graph Model for All Classification Tasks [61.656962278497225]
様々なグラフタスクの統一モデルは、主にグラフ学習領域に固有の課題のために、まだ探索されていない。
上記の課題に対処するために単一のグラフモデルを使用できる最初の汎用フレームワークである textbfOne for All (OFA) を提案する。
OFAは様々なタスクでうまく機能し、グラフ上の最初の汎用のクロスドメイン分類モデルとなる。
論文 参考訳（メタデータ） (2023-09-29T21:15:26Z) - Probing Graph Representations [77.7361299039905]
グラフ表現でキャプチャされた意味のある情報の量を定量化するために、探索フレームワークを使用します。
本研究は, グラフモデルにおける帰納的バイアスを理解するための探索の可能性を示すものである。
グラフベースモデルを評価する上で有用な診断ツールとして,探索を提唱する。
論文 参考訳（メタデータ） (2023-03-07T14:58:18Z) - Deconfounded Training for Graph Neural Networks [98.06386851685645]
本稿では, コンバウンディング効果を緩和し, 臨界情報に対するラッチを緩和する新しいDecon Training(DTP)のパラダイムを提案する。
具体的には、注意モジュールを用いて臨界部分グラフと自明部分グラフをアンタングル化する。
これにより、GNNは、ラベルとの関係が複数のディストリビューションで堅牢である、より信頼性の高いサブグラフをキャプチャできる。
論文 参考訳（メタデータ） (2021-12-30T15:22:35Z) - Bilateral Cross-Modality Graph Matching Attention for Feature Fusion in
Visual Question Answering [71.6781118080461]
本稿では,視覚質問応答(VQA)タスクのためのグラフマッチング注意(GMA)ネットワークを提案する。
まず、画像用のグラフを構築するが、構文情報と埋め込み情報の両方の観点から質問用のグラフを構築する。
次に, 2段グラフエンコーダを用いてモダリティ内関係を探索し, 画像と質問の関係を推定するために, 注目に合う双方向のモダリティグラフを提示する。
実験により、我々のネットワークはGQAデータセットとVQA 2.0データセット上で最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2021-12-14T10:01:26Z) - Sentence Structure and Word Relationship Modeling for Emphasis Selection [33.71757542373714]
強調選択は、短い文で強調する単語の選択に焦点を当てた、新しく提案されたタスクである。
従来の手法では、リッチな文構造と単語関係情報を無視しながら、文のシーケンス情報のみを考慮する。
本稿では,文構造グラフによる文構造と,単語類似性グラフによる単語関係を考慮した新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-08-29T04:43:25Z) - Could you give me a hint? Generating inference graphs for defeasible
reasoning [28.138055274299866]
哲学やAI文学でよく使われる手法は、推論グラフをサポートする手作業による議論である。
本稿では,他のNLPタスクからの移動学習を通じて,このような推論グラフを自動生成する。
このタスクにおける人間の正確性は、生成されたグラフのコンサルティングによって20%向上する。
論文 参考訳（メタデータ） (2021-05-12T04:04:10Z) - ExplaGraphs: An Explanation Graph Generation Task for Structured
Commonsense Reasoning [65.15423587105472]
スタンス予測のための説明グラフ生成の新しい生成および構造化コモンセンスリゾニングタスク(および関連するデータセット)を紹介します。
具体的には、信念と議論が与えられた場合、モデルは、議論が信念を支持しているかどうかを予測し、予測されたスタンスに対する非自明で完全で曖昧な説明として機能する常識強化グラフを生成する必要がある。
グラフの83%は、様々な構造と推論深度を持つ外部のコモンセンスノードを含んでいる。
論文 参考訳（メタデータ） (2021-04-15T17:51:36Z) - Graph-Based Tri-Attention Network for Answer Ranking in CQA [56.42018099917321]
本稿では,グラフに基づく新しい三者関係ネットワーク,すなわちGTANを提案し,回答ランキングのスコアを生成する。
実世界の3つのCQAデータセットの実験では、GTANは最先端の回答ランキング法よりも大幅に優れていた。
論文 参考訳（メタデータ） (2021-03-05T10:40:38Z) - Inducing Alignment Structure with Gated Graph Attention Networks for
Sentence Matching [24.02847802702168]
本稿では,文マッチングのためのグラフベースの手法を提案する。
文ペアをグラフとして表現し、慎重に設計する。
次に,文マッチングのために構築したグラフを符号化するために,新しいゲートグラフアテンションネットワークを用いる。
論文 参考訳（メタデータ） (2020-10-15T11:25:54Z)
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。