論文の概要: Complex Knowledge Base Question Answering: A Survey

• arxiv url: http://arxiv.org/abs/2108.06688v1
• Date: Sun, 15 Aug 2021 08:14:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-17 15:19:03.441591
• Title: Complex Knowledge Base Question Answering: A Survey
• Title（参考訳）: 複雑な知識に基づく質問への回答:調査
• Authors: Yunshi Lan, Gaole He, Jinhao Jiang, Jing Jiang, Wayne Xin Zhao, Ji-Rong Wen
• Abstract要約: 知識ベース質問応答(KBQA)は、知識ベース(KB)に関する質問に答えることを目的としている。 近年、研究者は複雑な疑問に答えることの難しさを考察する新しい手法を多数提案している。 本稿では,複雑なKBQAの手法,すなわち意味解析法(SPベース)と情報検索法(IRベース)の2つの主要なカテゴリについて述べる。
• 参考スコア（独自算出の注目度）: 41.680033017518376
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge base question answering (KBQA) aims to answer a question over a knowledge base (KB). Early studies mainly focused on answering simple questions over KBs and achieved great success. However, their performance on complex questions is still far from satisfactory. Therefore, in recent years, researchers propose a large number of novel methods, which looked into the challenges of answering complex questions. In this survey, we review recent advances on KBQA with the focus on solving complex questions, which usually contain multiple subjects, express compound relations, or involve numerical operations. In detail, we begin with introducing the complex KBQA task and relevant background. Then, we describe benchmark datasets for complex KBQA task and introduce the construction process of these datasets. Next, we present two mainstream categories of methods for complex KBQA, namely semantic parsing-based (SP-based) methods and information retrieval-based (IR-based) methods. Specifically, we illustrate their procedures with flow designs and discuss their major differences and similarities. After that, we summarize the challenges that these two categories of methods encounter when answering complex questions, and explicate advanced solutions and techniques used in existing work. Finally, we conclude and discuss several promising directions related to complex KBQA for future research.
• Abstract（参考訳）: 知識ベース質問応答(KBQA)は、知識ベース(KB)に関する質問に答えることを目的としている。 初期の研究は主にKBで単純な質問に答えることに集中し、大きな成功を収めた。 しかし、複雑な質問に対する彼らのパフォーマンスは、まだ満足には程遠い。 そのため,近年,複雑な疑問に答えることの難しさを考察した新しい手法が多数提案されている。 本稿では、KBQAの最近の進歩を概観し、複数の主題を含む複雑な問題を解くこと、複合関係を表現すること、あるいは数値演算に関わることに焦点を当てた。 より詳しくは、複雑なKBQAタスクと関連するバックグラウンドの導入から始める。 次に、複雑なKBQAタスクのベンチマークデータセットを説明し、これらのデータセットの構築プロセスを紹介する。 次に,複雑なKBQAの手法,すなわち意味解析法(SPベース)と情報検索法(IRベース)の2つの主流カテゴリを提案する。 具体的には,フロー設計の手順を説明し,両者の主な相違点と類似点について考察する。 その後、これらの2つの手法が複雑な質問に答える際に直面する課題を要約し、既存の作業で使われる高度なソリューションやテクニックを解説する。 最後に、今後の研究のために複雑なKBQAに関するいくつかの有望な方向性を結論し、議論する。

関連論文リスト

• Measuring Retrieval Complexity in Question Answering Systems [64.74106622822424]
  検索複雑性(Retrieval complexity, RC)は、検索された文書の完全性に基づく新しい計量である。 任意の検索システムを用いてRCを計測するための教師なしパイプラインを提案する。 本システムは検索システムに大きな影響を与える可能性がある。
  論文  参考訳（メタデータ） (2024-06-05T19:30:52Z)
• Interactive-KBQA: Multi-Turn Interactions for Knowledge Base Question Answering with Large Language Models [7.399563588835834]
  Interactive-KBQAは知識ベース(KB)との直接インタラクションを通じて論理形式を生成するように設計されたフレームワークである 提案手法は,WebQuestionsSP, ComplexWebQuestions, KQA Pro, MetaQAデータセット上での競合結果を実現する。
  論文  参考訳（メタデータ） (2024-02-23T06:32:18Z)
• Knowledge Base Question Answering: A Semantic Parsing Perspective [15.1388686976988]
  知識ベース(KBQA)に対する質問応答の研究は、比較的ゆっくりと進んでいる。 KBQAには,スキーマレベルの複雑性とファクトレベルの複雑性という,2つのユニークな課題があります。 我々は、セマンティックパーシングの文献から、まだ多くのインスピレーションを得ることができると論じている。
  論文  参考訳（メタデータ） (2022-09-12T02:56:29Z)
• Modern Question Answering Datasets and Benchmarks: A Survey [5.026863544662493]
  質問回答(QA)は、自然言語処理(NLP)の最も重要なタスクの一つである。 NLP技術を用いて、大量の非構造化コーパスに基づいて、与えられた質問に対する対応する回答を生成することを目的としている。 本稿では,ディープラーニングの時代にリリースされた,影響力あるQAデータセットについて検討する。
  論文  参考訳（メタデータ） (2022-06-30T05:53:56Z)
• SYGMA: System for Generalizable Modular Question Answering OverKnowledge Bases [57.89642289610301]
  SYGMAは、複数の知識ベースと複数のリアソニングタイプにまたがる汎用化を容易にするモジュラーアプローチである。 本システムの有効性を,DBpediaとWikidataの2つの異なる知識ベースに属するデータセットを用いて評価することで実証する。
  論文  参考訳（メタデータ） (2021-09-28T01:57:56Z)
• A Survey on Complex Knowledge Base Question Answering: Methods, Challenges and Solutions [41.680033017518376]
  知識ベース質問応答(KBQA)は、知識ベース(KB)に関する質問に答えることを目的としている。 複雑なKBQAの典型的な課題と解決策を精巧に要約する。
  論文  参考訳（メタデータ） (2021-05-25T03:45:30Z)
• A Survey on Complex Question Answering over Knowledge Base: Recent Advances and Challenges [71.4531144086568]
  知識ベース(KB)に対する質問回答(QA)は、自然言語の質問に自動的に答えることを目的としている。 研究者は、よりKBのトリプルと制約推論を必要とする単純な質問から複雑な質問へと注意を移した。
  論文  参考訳（メタデータ） (2020-07-26T07:13:32Z)
• KQA Pro: A Dataset with Explicit Compositional Programs for Complex Question Answering over Knowledge Base [67.87878113432723]
  複雑KBQAのためのデータセットであるKQA Proを紹介する。 各質問に対して、対応するKoPLプログラムとSPARQLクエリを提供するので、KQA ProはKBQAとセマンティック解析の両方に役立ちます。
  論文  参考訳（メタデータ） (2020-07-08T03:28:04Z)

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。