論文の概要: CO-NNECT: A Framework for Revealing Commonsense Knowledge Paths as Explicitations of Implicit Knowledge in Texts

• arxiv url: http://arxiv.org/abs/2105.03157v1
• Date: Fri, 7 May 2021 10:43:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-10 17:32:02.521198
• Title: CO-NNECT: A Framework for Revealing Commonsense Knowledge Paths as Explicitations of Implicit Knowledge in Texts
• Title（参考訳）: CO-NNECT:テキストにおける暗黙的知識の明示としての常識的知識パスを探求するためのフレームワーク
• Authors: Maria Becker, Katharina Korfhage, Debjit Paul, Anette Frank
• Abstract要約: 我々は常識知識を知識パスとして活用し,文間の接続を確立する。 これらの接続は直接 (singlehop path) または中間概念 (multihop path) を必要とする。
• 参考スコア（独自算出の注目度）: 12.94206336329289
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work we leverage commonsense knowledge in form of knowledge paths to establish connections between sentences, as a form of explicitation of implicit knowledge. Such connections can be direct (singlehop paths) or require intermediate concepts (multihop paths). To construct such paths we combine two model types in a joint framework we call Co-nnect: a relation classifier that predicts direct connections between concepts; and a target prediction model that generates target or intermediate concepts given a source concept and a relation, which we use to construct multihop paths. Unlike prior work that relies exclusively on static knowledge sources, we leverage language models finetuned on knowledge stored in ConceptNet, to dynamically generate knowledge paths, as explanations of implicit knowledge that connects sentences in texts. As a central contribution we design manual and automatic evaluation settings for assessing the quality of the generated paths. We conduct evaluations on two argumentative datasets and show that a combination of the two model types generates meaningful, high-quality knowledge paths between sentences that reveal implicit knowledge conveyed in text.
• Abstract（参考訳）: 本研究では,暗黙的知識の明確化の形式として,文間の接続を確立するために,知識パスの形で常識知識を活用する。 このような接続は直接(シングルホップパス)あるいは中間概念(マルチホップパス)を必要とする。 このような経路を構築するために、私たちはCo-nnectと呼ばれる2つのモデルタイプを組み合わせて、概念間の直接接続を予測する関係分類器と、ソース概念とマルチホップパスを構築するために使用する関係を与えられたターゲットまたは中間概念を生成するターゲット予測モデルを構築します。 静的な知識ソースにのみ依存する以前の作業とは異なり、ConceptNetに格納された知識に基づいて微調整された言語モデルを利用して、テキスト中の文を接続する暗黙的な知識の説明として、知識パスを動的に生成する。 中心となる貢献として,生成経路の品質評価のためのマニュアルおよび自動評価設定をデザインする。 2つの議論的データセット上で評価を行い、2つのモデルタイプを組み合わせて、テキストで伝達される暗黙的な知識を明らかにする文間の有意義で高品質な知識パスを生成することを示す。

関連論文リスト

• DiffuCOMET: Contextual Commonsense Knowledge Diffusion [29.23102821128395]
  本研究では、拡散を利用して物語コンテキストと関連するコモンセンス知識の間の暗黙的な意味的関係を再構築する一連の知識モデルDiffuCOMETを開発する。 DiffuCOMETを評価するために,知識の多様性と文脈的関連性をより深く測定するコモンセンス推論のための新しい指標を提案する。 ComFact と WebNLG+ の2つの異なるベンチマークの結果から,DiffuCOMET が生成した知識は,コモンセンスの多様性,文脈的関連性,および既知の金の参照との整合性との間のトレードオフを良好に達成できることが示された。
  論文  参考訳（メタデータ） (2024-02-26T20:35:34Z)
• Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems [58.561904356651276]
  本稿では,対話型推薦システムのためのエンティティの意味理解を改善するために,知識強化型エンティティ表現学習(KERL)フレームワークを紹介する。 KERLは知識グラフと事前訓練された言語モデルを使用して、エンティティの意味的理解を改善する。 KERLはレコメンデーションとレスポンス生成の両方のタスクで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-12-18T06:41:23Z)
• Semi-Structured Chain-of-Thought: Integrating Multiple Sources of Knowledge for Improved Language Model Reasoning [10.839645156881573]
  本稿では,テキスト文書からの非構造化知識と知識グラフからの構造化知識とをシームレスに統合する,新しい半構造化プロンプト手法を提案する。 オープンドメイン型マルチホップ質問応答データセットの実験結果から,提案手法が既存の手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2023-11-14T19:53:53Z)
• Contextual Knowledge Learning For Dialogue Generation [13.671946960656467]
  モデルトレーニングの不可欠な部分として,文脈と知識の重み付けに対する新しいアプローチを提案する。 我々は、文脈と知識のための潜在ベクトルを含む文脈知識学習プロセスを通じて、モデルトレーニングをガイドする。
  論文  参考訳（メタデータ） (2023-05-29T16:54:10Z)
• Commonsense and Named Entity Aware Knowledge Grounded Dialogue Generation [20.283091595536835]
  大規模コモンセンスと名前付きエンティティベース知識を効果的に活用するオープンドメイン対話生成モデルを提案する。 提案モデルでは,対話履歴と関連する知識の最も正確かつ重要な部分を保存するために,マルチホップアテンション層を利用する。 2つのベンチマークデータセットの実証結果は、我々のモデルが自動評価指標と人的判断の両方で最先端の手法を大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2022-05-27T12:11:40Z)
• Open-domain Dialogue Generation Grounded with Dynamic Multi-form Knowledge Fusion [9.45662259790057]
  本稿では,新しい対話生成モデルである動的マルチフォーム知識融合に基づくオープンドメインチャットマシン(DMKCM)を提案する。 DMKCMは、関連文書を第1ホップとして見つけるためにインデックス付きテキスト(仮想知識ベース)を適用し、その後、コモンセンス知識グラフを使用して対話の内容と第1ホップを拡張して、アポサイトトリプルを第2ホップとして取得する。 実験結果から,対話のコヒーレンスと情報提供性の観点から,本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2022-04-24T10:32:48Z)
• 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)
• Connecting the Dots: A Knowledgeable Path Generator for Commonsense Question Answering [50.72473345911147]
  本稿では、一般的な共通センスQAフレームワークを、知識のあるパスジェネレータで拡張する。 KGの既存のパスを最先端の言語モデルで外挿することで、ジェネレータはテキスト内のエンティティのペアを動的で、潜在的に新しいマルチホップリレーショナルパスに接続することを学びます。
  論文  参考訳（メタデータ） (2020-05-02T03:53:21Z)
• Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
  本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。 エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。 既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
  論文  参考訳（メタデータ） (2020-04-29T14:22:42Z)
• 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。