Fugu-MT 論文翻訳(概要): End-to-End NLP Knowledge Graph Construction

論文の概要: End-to-End NLP Knowledge Graph Construction

arxiv url: http://arxiv.org/abs/2106.01167v1
Date: Wed, 2 Jun 2021 14:03:06 GMT
ステータス: 処理完了
システム内更新日: 2021-06-03 22:02:55.025737
Title: End-to-End NLP Knowledge Graph Construction
Title（参考訳）: エンドツーエンドNLP知識グラフ構築
Authors: Ishani Mondal, Yufang Hou and Charles Jochim
Abstract要約: 本稿では科学論文からNLP知識グラフ(KG)のエンドツーエンド構築について考察する。タスクとデータセット間のアセスメント、タスクとアセスメントメトリクス間のアセスメント、および同じタイプのエンティティ間のコアフェレントおよび関連性。
参考スコア（独自算出の注目度）: 19.29707141317487
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper studies the end-to-end construction of an NLP Knowledge Graph (KG) from scientific papers. We focus on extracting four types of relations: evaluatedOn between tasks and datasets, evaluatedBy between tasks and evaluation metrics, as well as coreferent and related relations between the same type of entities. For instance, F1-score is coreferent with F-measure. We introduce novel methods for each of these relation types and apply our final framework (SciNLP-KG) to 30,000 NLP papers from ACL Anthology to build a large-scale KG, which can facilitate automatically constructing scientific leaderboards for the NLP community. The results of our experiments indicate that the resulting KG contains high-quality information.
Abstract（参考訳）: 本稿では科学論文からNLP知識グラフ(KG)のエンドツーエンド構築について考察する。タスクとデータセット間の評価、タスクと評価メトリクス間の評価、および同じタイプのエンティティ間のcoreferentおよび関連関係の4つのタイプの関係の抽出に焦点を当てた。例えば、F1スコアはF測度とコアフェレントである。我々はこれらの関係タイプごとに新しい手法を導入し、最終フレームワーク(SciNLP-KG)をACLアンソロジーから30,000のNLP論文に適用して大規模なKGを構築する。その結果,KGは高品質な情報を含むことがわかった。

関連論文リスト

Graphusion: A RAG Framework for Knowledge Graph Construction with a Global Perspective [13.905336639352404]
この研究は、無料テキストからゼロショットの知識グラフフレームワークであるGraphusionを導入している。ステップ1では、トピックモデリングを用いてシードエンティティのリストを抽出し、最終KGに最も関連性の高いエンティティを導く。ステップ2ではLSMを用いて候補三重項抽出を行い、ステップ3では抽出した知識のグローバルなビューを提供する新しい融合モジュールを設計する。
論文参考訳（メタデータ） (2024-10-23T06:54:03Z)
Distill-SynthKG: Distilling Knowledge Graph Synthesis Workflow for Improved Coverage and Efficiency [59.6772484292295]
大規模言語モデル(LLM)によって生成される知識グラフ(KG)は、検索・拡張生成(RAG)アプリケーションにとってますます価値が増している。既存のKG抽出法は、大規模コーパスの処理に非効率なプロンプトベースのアプローチに依存している。 LLMに基づく多段階文書レベルのKGワークフローであるSynthKGを提案する。我々はまた、RAGのための新しいグラフベースの検索フレームワークを設計する。
論文参考訳（メタデータ） (2024-10-22T00:47:54Z)
Are Large Language Models Good Classifiers? A Study on Edit Intent Classification in Scientific Document Revisions [62.12545440385489]
大規模言語モデル(LLM)は、テキスト生成の大幅な進歩をもたらしたが、分類タスクの強化の可能性はまだ未検討である。生成と符号化の両方のアプローチを含む分類のための微調整LDMを徹底的に研究するためのフレームワークを提案する。我々はこのフレームワークを編集意図分類(EIC)においてインスタンス化する。
論文参考訳（メタデータ） (2024-10-02T20:48:28Z)
Exploiting Large Language Models Capabilities for Question Answer-Driven Knowledge Graph Completion Across Static and Temporal Domains [8.472388165833292]
本稿では,GS-KGC(Generative Subgraph-based KGC)と呼ばれる新しい生成完了フレームワークを提案する。 GS-KGCは、ターゲットエンティティを直接生成するために質問応答形式を採用し、複数の可能な答えを持つ質問の課題に対処する。本手法は,新たな情報発見を容易にするために,既知の事実を用いて負のサンプルを生成する。
論文参考訳（メタデータ） (2024-08-20T13:13:41Z)
Text-Driven Neural Collaborative Filtering Model for Paper Source Tracing [1.124958340749622]
PST(Paper Source Tracing)タスクは、与えられた学術論文に対する重要な参照の識別を自動化することを目的としている。このフレームワークでは、最終的な予測を生成するために、Neural Collaborative Filtering(NCF)モデルを採用している。本手法は平均精度(MAP)測定値で0.37814のスコアを達成し,ベースラインモデルを上回っ,全参加チームで11位となった。
論文参考訳（メタデータ） (2024-07-25T02:48:56Z)
Graphusion: Leveraging Large Language Models for Scientific Knowledge Graph Fusion and Construction in NLP Education [14.368011453534596]
フリーテキストからのゼロショット知識グラフフレームワークであるGraphusionを紹介する。核融合モジュールは、エンティティのマージ、競合解決、新しい三重項発見を取り入れた三重項のグローバルなビューを提供する。本評価は,リンク予測における教師付きベースラインの精度を最大10%超えることを示す。
論文参考訳（メタデータ） (2024-07-15T15:13:49Z)
Knowledge Graph Driven Recommendation System Algorithm [9.952420935326893]
KGLNと呼ばれる新しいグラフニューラルネットワークに基づくレコメンデーションモデルを提案する。まず、グラフ内の個々のノード特徴をマージし、隣り合うエンティティの集約重みを調整するために、単層ニューラルネットワークを使用します。モデルは、イテレーションを通じて単一のレイヤから複数のレイヤへと進化し、エンティティが広範囲にわたるマルチオーダー関連エンティティ情報にアクセスできるようにする。
論文参考訳（メタデータ） (2023-12-01T21:50:43Z)
NLPeer: A Unified Resource for the Computational Study of Peer Review [58.71736531356398]
NLPeer - 5万以上の論文と5つの異なる会場からの1万1千件のレビューレポートからなる、初めて倫理的にソースされたマルチドメインコーパス。従来のピアレビューデータセットを拡張し、解析および構造化された論文表現、豊富なメタデータ、バージョニング情報を含む。我々の研究は、NLPなどにおけるピアレビューの体系的、多面的、エビデンスに基づく研究への道のりをたどっている。
論文参考訳（メタデータ） (2022-11-12T12:29:38Z)
KGxBoard: Explainable and Interactive Leaderboard for Evaluation of Knowledge Graph Completion Models [76.01814380927507]
KGxBoardは、データの意味のあるサブセットを詳細に評価するためのインタラクティブなフレームワークである。実験では,KGxBoardを用いることで,標準平均シングルスコアメトリクスでは検出が不可能であったことを強調した。
論文参考訳（メタデータ） (2022-08-23T15:11:45Z)
FedNLP: A Research Platform for Federated Learning in Natural Language Processing [55.01246123092445]
NLPのフェデレーションラーニングのための研究プラットフォームであるFedNLPを紹介します。 FedNLPは、テキスト分類、シーケンスタグ付け、質問応答、Seq2seq生成、言語モデリングなど、NLPで一般的なタスクの定式化をサポートしている。 FedNLPによる予備実験では、分散型データセットと集中型データセットの学習には大きなパフォーマンスギャップが存在することが明らかになった。
論文参考訳（メタデータ） (2021-04-18T11:04:49Z)
Learning Intents behind Interactions with Knowledge Graph for Recommendation [93.08709357435991]
知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
論文参考訳（メタデータ） (2021-02-14T03:21:36Z)

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。