論文の概要: Structured Context and High-Coverage Grammar for Conversational Question Answering over Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2109.00269v1
• Date: Wed, 1 Sep 2021 09:28:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-02 14:26:05.229896
• Title: Structured Context and High-Coverage Grammar for Conversational Question Answering over Knowledge Graphs
• Title（参考訳）: 知識グラフを用いた会話質問応答のための構造化文脈と高被覆文法
• Authors: Pierre Marion, Pawe{\l} Krzysztof Nowak, Francesco Piccinno
• Abstract要約: ニューラルセマンティックパーシングアプローチを用いて,大規模知識グラフに対する弱教師付き会話質問回答の問題に対処する。 本稿では, Conv グラフ上で幅広いクエリをモデル化可能な新しい論理形式 (LF) 文法を提案する。 我々は,2つの公開データセットに対して,文法カバレッジとLF実行精度の両面からアプローチを検証する。
• 参考スコア（独自算出の注目度）: 3.7642333932730625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We tackle the problem of weakly-supervised conversational Question Answering over large Knowledge Graphs using a neural semantic parsing approach. We introduce a new Logical Form (LF) grammar that can model a wide range of queries on the graph while remaining sufficiently simple to generate supervision data efficiently. Our Transformer-based model takes a JSON-like structure as input, allowing us to easily incorporate both Knowledge Graph and conversational contexts. This structured input is transformed to lists of embeddings and then fed to standard attention layers. We validate our approach, both in terms of grammar coverage and LF execution accuracy, on two publicly available datasets, CSQA and ConvQuestions, both grounded in Wikidata. On CSQA, our approach increases the coverage from $80\%$ to $96.2\%$, and the LF execution accuracy from $70.6\%$ to $75.6\%$, with respect to previous state-of-the-art results. On ConvQuestions, we achieve competitive results with respect to the state-of-the-art.
• Abstract（参考訳）: ニューラルセマンティックパーシングアプローチを用いて,大規模知識グラフに対する弱教師付き会話質問回答の問題に対処する。 我々は,グラフ上で広範囲のクエリをモデル化できる新しい論理形式(LF)文法を導入した。 TransformerベースのモデルはJSONライクな構造を入力として取り、知識グラフと会話コンテキストの両方を簡単に組み込むことができます。 この構造化された入力は埋め込みのリストに変換され、標準の注意層に供給される。 WikidataをベースとしたCSQAとConvQuestionsの2つの公開データセット上で,文法カバレッジとLF実行精度の両面からアプローチを検証する。 csqaにおいて、我々のアプローチはカバレッジを80\%$から96.2\%$に、lfの実行精度を70.6\%$から75.6\%$に増加させました。 ConvQuestionsでは、最先端技術に関する競争結果を達成する。

関連論文リスト

• Integrating Large Language Models with Graph-based Reasoning for Conversational Question Answering [58.17090503446995]
  我々は,テキストや知識グラフ,テーブル,インフォボックスといった異質な情報源から収集された証拠について,文脈における質問の理解と推論の課題を組み合わせた会話型質問応答タスクに着目する。 提案手法はグラフ構造表現を用いて質問とその文脈に関する情報を集約する。
  論文  参考訳（メタデータ） (2024-06-14T13:28:03Z)
• MinPrompt: Graph-based Minimal Prompt Data Augmentation for Few-shot Question Answering [64.6741991162092]
  オープンドメイン質問応答のための最小限のデータ拡張フレームワークMinPromptを提案する。 我々は、生テキストをグラフ構造に変換し、異なる事実文間の接続を構築する。 次に、グラフアルゴリズムを適用して、原文のほとんどの情報をカバーするのに必要な最小限の文の集合を識別する。 同定された文サブセットに基づいてQAペアを生成し、選択した文に基づいてモデルをトレーニングし、最終モデルを得る。
  論文  参考訳（メタデータ） (2023-10-08T04:44:36Z)
• Semantic Parsing for Conversational Question Answering over Knowledge Graphs [63.939700311269156]
  本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。 本稿では,2つの意味解析手法を提案し,その課題を強調した。 私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
  論文  参考訳（メタデータ） (2023-01-28T14:45:11Z)
• Outlining and Filling: Hierarchical Query Graph Generation for Answering Complex Questions over Knowledge Graph [16.26384829957165]
  クエリグラフを構築するための新しい2段階のアプローチを提案する。 最初の段階では、上位$kの関連インスタンスは単純な戦略で収集される。 第2段階では、グラフ生成モデルが階層生成を行う。
  論文  参考訳（メタデータ） (2021-11-01T07:08:46Z)
• InsertGNN: Can Graph Neural Networks Outperform Humans in TOEFL Sentence Insertion Problem? [66.70154236519186]
  センテンス挿入は繊細だが基本的なNLP問題である。 文順序付け、テキストコヒーレンス、質問応答(QA)の現在のアプローチは、その解決には適さない。 本稿では,この問題をグラフとして表現し,グラフニューラルネットワーク(GNN)を用いて文間の関係を学習するモデルであるInsertGNNを提案する。
  論文  参考訳（メタデータ） (2021-03-28T06:50:31Z)
• Knowledge Graph Question Answering using Graph-Pattern Isomorphism [0.0]
  TeBaQAは、SPARQLクエリの基本グラフパターンからグラフ同型に基づいて、質問に答えることを学ぶ。 TeBaQAはQALD-8で最先端のパフォーマンスを達成し、QALD-9とLC-QuAD v1で同等の結果を提供する。
  論文  参考訳（メタデータ） (2021-03-11T16:03:24Z)
• Generating Diverse and Consistent QA pairs from Contexts with Information-Maximizing Hierarchical Conditional VAEs [62.71505254770827]
  非構造化テキストを文脈として与えられたQAペアを生成するための条件付き変分オートエンコーダ(HCVAE)を提案する。 我々のモデルは、トレーニングにわずかなデータしか使わず、両方のタスクの全てのベースラインに対して印象的なパフォーマンス向上が得られる。
  論文  参考訳（メタデータ） (2020-05-28T08:26:06Z)
• Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
  本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。 グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
  論文  参考訳（メタデータ） (2020-04-05T13:09:37Z)

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。