論文の概要: Commonsense Knowledge in Word Associations and ConceptNet
- arxiv url: http://arxiv.org/abs/2109.09309v1
- Date: Mon, 20 Sep 2021 06:06:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-21 16:36:42.490083
- Title: Commonsense Knowledge in Word Associations and ConceptNet
- Title（参考訳）: 単語連想と概念ネットにおける常識知識
- Authors: Chunhua Liu and Trevor Cohn and Lea Frermann
- Abstract要約: 本稿では,ConcpetNet と SWOW という2つの大規模知識資源の詳細な比較を行った。
本稿では,2つのグラフの構造,重なり合い,相違点と,それらが状況的常識的知識をエンコードする程度について検討する。
- 参考スコア（独自算出の注目度）: 37.751909219863585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humans use countless basic, shared facts about the world to efficiently
navigate in their environment. This commonsense knowledge is rarely
communicated explicitly, however, understanding how commonsense knowledge is
represented in different paradigms is important for both deeper understanding
of human cognition and for augmenting automatic reasoning systems. This paper
presents an in-depth comparison of two large-scale resources of general
knowledge: ConcpetNet, an engineered relational database, and SWOW a knowledge
graph derived from crowd-sourced word associations. We examine the structure,
overlap and differences between the two graphs, as well as the extent to which
they encode situational commonsense knowledge. We finally show empirically that
both resources improve downstream task performance on commonsense reasoning
benchmarks over text-only baselines, suggesting that large-scale word
association data, which have been obtained for several languages through
crowd-sourcing, can be a valuable complement to curated knowledge graphs
- Abstract（参考訳）: 人間は、世界に関する無数の基本的な共有事実を使って、環境を効率的にナビゲートします。
このコモンセンス知識は明確に伝達されることはめったにないが、人間の認識の深い理解と自動推論システムの拡張には、コモンセンス知識が異なるパラダイムでどのように表現されるかを理解することが重要である。
本稿では,クラウドソース型単語関連データベースConcpetNetと,クラウドソース型単語関連から派生した知識グラフSWOWの2つの大規模知識資源の詳細な比較を行った。
本研究では,2つのグラフの構造,重なり,差異,状況の共通性に関する知識をエンコードする程度について検討する。
最後に,テキストのみのベースラインよりも,共通意味推論ベンチマークのダウンストリームタスクパフォーマンスが両リソースとも向上することを示すとともに,クラウドソーシングによって複数の言語で得られた大規模単語連想データが,キュレーションされたナレッジグラフを補完する価値ある補完となることを示唆する。
関連論文リスト
- What Really is Commonsense Knowledge? [58.5342212738895]
我々は、既存のコモンセンス知識の定義を調査し、概念を定義するための3つのフレームワークに基礎を置き、それらをコモンセンス知識の統一的な定義に統合する。
次に、アノテーションと実験のための統合された定義をCommonsenseQAとCommonsenseQA 2.0データセットで使用します。
本研究は,2つのデータセットには非常識知識のインスタンスが多数存在し,これら2つのサブセットに対して大きな性能差があることを示す。
論文 参考訳（メタデータ） (2024-11-06T14:54:19Z) - A Bipartite Graph is All We Need for Enhancing Emotional Reasoning with
Commonsense Knowledge [16.410940528107115]
両部不均一グラフ(BHG)を用いて,コモンセンス知識による感情的推論を強化する手法を提案する。
BHGベースの知識注入は、直接、多種多粒な知識ソースに一般化することができる。
論文 参考訳（メタデータ） (2023-08-09T09:09:17Z) - Knowledge Graph Augmented Network Towards Multiview Representation
Learning for Aspect-based Sentiment Analysis [96.53859361560505]
本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。
KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。
3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
論文 参考訳（メタデータ） (2022-01-13T08:25:53Z) - Entity Context Graph: Learning Entity Representations
fromSemi-Structured Textual Sources on the Web [44.92858943475407]
エンティティ中心のテキスト知識ソースを処理してエンティティ埋め込みを学ぶアプローチを提案する。
私たちのアプローチから学んだ埋め込みは、(i)高品質で、既知の知識グラフベースの埋め込みに匹敵し、それらをさらに改善するために使用することができます。
論文 参考訳（メタデータ） (2021-03-29T20:52:14Z) - Dimensions of Commonsense Knowledge [60.49243784752026]
我々は,その関係に特に焦点をあてて,広く普及しているコモンセンスソースを調査した。
我々はこれらの関係を13の知識次元に集約し、それぞれがソースにあるより具体的な関係を抽象化する。
論文 参考訳（メタデータ） (2021-01-12T17:52:39Z) - CoLAKE: Contextualized Language and Knowledge Embedding [81.90416952762803]
文脈型言語と知識埋め込み(CoLAKE)を提案する。
CoLAKEは、言語と知識の両方の文脈化された表現を、拡張された目的によって共同で学習する。
知識駆動タスク、知識探索タスク、言語理解タスクについて実験を行う。
論文 参考訳（メタデータ） (2020-10-01T11:39:32Z) - 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。