論文の概要: Semantic Categorization of Social Knowledge for Commonsense Question Answering

• arxiv url: http://arxiv.org/abs/2109.05168v1
• Date: Sat, 11 Sep 2021 02:56:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-14 15:50:58.889004
• Title: Semantic Categorization of Social Knowledge for Commonsense Question Answering
• Title（参考訳）: 常識質問に対する社会的知識のセマンティック分類
• Authors: Gengyu Wang, Xiaochen Hou, Diyi Yang, Kathleen McKeown, Jing Huang
• Abstract要約: 本稿では,SocialIQA を例として,コモンセンスな質問応答タスクに必要なセマンティクスの分類を提案する。 従来の研究とは異なり、社会知識のセマンティックな分類でモデルを観察すると、比較的単純なモデルで同等のパフォーマンスが得られる。
• 参考スコア（独自算出の注目度）: 13.343786884695323
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large pre-trained language models (PLMs) have led to great success on various commonsense question answering (QA) tasks in an end-to-end fashion. However, little attention has been paid to what commonsense knowledge is needed to deeply characterize these QA tasks. In this work, we proposed to categorize the semantics needed for these tasks using the SocialIQA as an example. Building upon our labeled social knowledge categories dataset on top of SocialIQA, we further train neural QA models to incorporate such social knowledge categories and relation information from a knowledge base. Unlike previous work, we observe our models with semantic categorizations of social knowledge can achieve comparable performance with a relatively simple model and smaller size compared to other complex approaches.
• Abstract（参考訳）: 大規模事前学習型言語モデル(PLM)は、様々な共通知識質問応答(QA)タスクをエンドツーエンドで実現している。 しかし、これらのQAタスクを深く特徴付けるのに必要なコモンセンス知識にはほとんど注意が払われていない。 本研究では、SocialIQAを例として、これらのタスクに必要な意味を分類することを提案した。 ラベル付き社会知識カテゴリデータセットをSocialIQA上に構築し,そのような社会知識カテゴリと知識ベースからの関係情報を組み込むために,神経質QAモデルをさらに訓練する。 従来の研究と異なり、社会知識を意味的に分類したモデルは、他の複雑なアプローチに比べて比較的単純なモデルと小さいサイズで同等のパフォーマンスを達成できます。

関連論文リスト

• Knowledge Tagging System on Math Questions via LLMs with Flexible Demonstration Retriever [48.5585921817745]
  大きな言語モデル(LLM)は知識タグ付けタスクを自動化するために使われる。 算数問題における知識タグ付けタスクに対するゼロショットと少数ショットの結果の強い性能を示す。 強化学習に基づくデモレトリバーの提案により,異なるサイズのLLMの潜在能力を活用できた。
  論文  参考訳（メタデータ） (2024-06-19T23:30:01Z)
• Bridging the Gap Between Saliency Prediction and Image Quality Assessment [0.0]
  深部神経モデルでは画像品質評価(IQA)が大幅に進歩している 我々はIQAとSaliency Predictionタスクの関係を明らかにする実証的研究を行った。 本稿では,サリエンシ対応圧縮画像の新たなSACIDデータセットを導入し,従来のIQA法とニューラルベースIQA法の大規模比較を行う。
  論文  参考訳（メタデータ） (2024-05-08T12:04:43Z)
• DeSIQ: Towards an Unbiased, Challenging Benchmark for Social Intelligence Understanding [60.84356161106069]
  複雑な社会的相互作用のビデオ上での複数選択質問のデータセットであるSocial-IQの健全性について検討する。 分析の結果,Social-IQにはある程度のバイアスがあり,適度に強い言語モデルによって活用できることがわかった。 ソーシャルIQに単純な摂動を適用して構築した,新たな挑戦的データセットであるDeSIQを紹介する。
  論文  参考訳（メタデータ） (2023-10-24T06:21:34Z)
• SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
  人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。 エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。 GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2023-10-18T02:27:01Z)
• Attentive Q-Matrix Learning for Knowledge Tracing [4.863310073296471]
  エンド・ツー・エンド・エンド・スタイルのモデルとして,Q-matrix-based Attentive Knowledge Tracing (QAKT)を提案する。 QAKTは、問題を階層的にモデル化し、生徒のシーケンスに基づいてq行列を効率的に学習することができる。 さらなる実験の結果、QAKTによって学習されたq行列は、人間の専門家によってラベル付けされたものよりも非常にモデルに依存し、情報に十分であることが示唆された。
  論文  参考訳（メタデータ） (2023-04-06T12:31:34Z)
• UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph [89.98762327725112]
  KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。 我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
  論文  参考訳（メタデータ） (2022-12-02T04:08:09Z)
• elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
  本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。 このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。 elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
  論文  参考訳（メタデータ） (2022-03-17T16:23:45Z)
• Incorporating Commonsense Knowledge Graph in Pretrained Models for Social Commonsense Tasks [6.335245542129822]
  外部共通知識グラフ(KG)は、単語とその関係に関する豊富な情報を提供します。 そこで本稿では,KGを事前学習言語モデルに組み込む方法を提案する。 本提案手法は,ソーシャルコモンセンス推論タスクであるSocialIQAにおいて,限られたトレーニングデータと完全なトレーニングデータの両方で良好なパフォーマンスを発揮することを実証する。
  論文  参考訳（メタデータ） (2021-05-12T06:45:26Z)
• 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)
• What Does My QA Model Know? Devising Controlled Probes using Expert Knowledge [36.13528043657398]
  我々は,現在最先端のQAモデルが,単語定義や一般的な分類学的推論に関する一般的な知識を持っているかどうかを検討する。 さまざまなタイプの専門家の知識からデータセットを自動的に構築するための方法論を使用します。 評価の結果,変圧器を用いたQAモデルはすでにある種の構造的語彙的知識を認識できないことが確認された。
  論文  参考訳（メタデータ） (2019-12-31T15:05:54Z)

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。