論文の概要: SYGMA: System for Generalizable Modular Question Answering OverKnowledge Bases

• arxiv url: http://arxiv.org/abs/2109.13430v1
• Date: Tue, 28 Sep 2021 01:57:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-30 02:20:19.853904
• Title: SYGMA: System for Generalizable Modular Question Answering OverKnowledge Bases
• Title（参考訳）: SYGMA:オーバー知識ベースに対する一般化可能なモジュール質問応答システム
• Authors: Sumit Neelam, Udit Sharma, Hima Karanam, Shajith Ikbal, Pavan Kapanipathi, Ibrahim Abdelaziz, Nandana Mihindukulasooriya, Young-Suk Lee, Santosh Srivastava, Cezar Pendus, Saswati Dana, Dinesh Garg, Achille Fokoue, G P Shrivatsa Bhargav, Dinesh Khandelwal, Srinivas Ravishankar, Sairam Gurajada, Maria Chang, Rosario Uceda-Sosa, Salim Roukos, Alexander Gray, Guilherme LimaRyan Riegel, Francois Luus, L Venkata Subramaniam
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 57.89642289610301
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge Base Question Answering (KBQA) tasks that in-volve complex reasoning are emerging as an important re-search direction. However, most KBQA systems struggle withgeneralizability, particularly on two dimensions: (a) acrossmultiple reasoning types where both datasets and systems haveprimarily focused on multi-hop reasoning, and (b) across mul-tiple knowledge bases, where KBQA approaches are specif-ically tuned to a single knowledge base. In this paper, wepresent SYGMA, a modular approach facilitating general-izability across multiple knowledge bases and multiple rea-soning types. Specifically, SYGMA contains three high levelmodules: 1) KB-agnostic question understanding module thatis common across KBs 2) Rules to support additional reason-ing types and 3) KB-specific question mapping and answeringmodule to address the KB-specific aspects of the answer ex-traction. We demonstrate effectiveness of our system by evalu-ating on datasets belonging to two distinct knowledge bases,DBpedia and Wikidata. In addition, to demonstrate extensi-bility to additional reasoning types we evaluate on multi-hopreasoning datasets and a new Temporal KBQA benchmarkdataset on Wikidata, namedTempQA-WD1, introduced in thispaper. We show that our generalizable approach has bettercompetetive performance on multiple datasets on DBpediaand Wikidata that requires both multi-hop and temporal rea-soning
• Abstract（参考訳）: 知識ベース質問回答(KBQA)タスクは、複雑な推論が重要な研究方向として現れている。 しかし、ほとんどのKBQAシステムは一般化性に苦しむ。 (a) データセットとシステムの両方が主にマルチホップ推論に重点を置いている複数の推論タイプ、 (b) KBQAアプローチが1つの知識ベースに特異に調整される複数の知識ベースにまたがる。 本稿では,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ール型アプローチであるSYGMAについて述べる。 具体的には、SYGMAは3つのハイレベルモジュールを含む。 1)kbにまたがるkb非依存な質問理解モジュール 2)追加の理由付け型をサポートするための規則 3) kb-specific question mapping と answeringmodule は kb-specific aspects of the answer ex-traction に対応する。 我々は,dbpedia と wikidata という2つの異なる知識ベースに属するデータセットを回避し,システムの有効性を示す。 さらに,本論文で紹介したWikidataのマルチホップレゾニングデータセットと,新たなテンポラルKBQAベンチマークデータセットであるTempQA-WD1について,拡張性を示す。 一般化可能なアプローチは、マルチホップと時間領域共振の両方を必要とするDBpediaおよびWikidata上の複数のデータセットにおいて、より良い競合性能を持つことを示す。

関連論文リスト

• A Learn-Then-Reason Model Towards Generalization in Knowledge Base Question Answering [17.281005999581865]
  FreebaseやWikidataのような大規模知識ベース(KB)には、数百万の構造化知識がある。 Knowledge Base Question Answering (KBQA)は、自然言語の質問を通じて、これらの貴重なKBにアクセスするためのユーザフレンドリな方法を提供する。 本稿では,KBLLaMAを開発した。KBLLaMAは,新しいKB知識を言語モデルに注入し,フレキシブルなエンドツーエンドKBQAを実現するためのフレームワークである。
  論文  参考訳（メタデータ） (2024-06-20T22:22:41Z)
• Few-shot In-context Learning for Knowledge Base Question Answering [31.73274700847965]
  本稿では,KB-BINDERを提案する。 4つの公開ヘテロジニアスKBQAデータセットの実験結果から,KB-BINDERはコンテクスト内デモを数回しか行わず,高い性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-05-02T19:31:55Z)
• 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)
• QA Is the New KR: Question-Answer Pairs as Knowledge Bases [105.692569000534]
  提案するKBの形式は,従来のシンボリックKBの重要な利点を多く備えている,と我々は主張する。 従来のKBとは異なり、この情報ストアは一般的なユーザ情報のニーズによく適合している。
  論文  参考訳（メタデータ） (2022-07-01T19:09:08Z)
• A Benchmark for Generalizable and Interpretable Temporal Question Answering over Knowledge Bases [67.33560134350427]
  TempQA-WDは時間的推論のためのベンチマークデータセットである。 Wikidataは、最も頻繁にキュレーションされ、公開されている知識ベースである。
  論文  参考訳（メタデータ） (2022-01-15T08:49:09Z)
• A Two-Stage Approach towards Generalization in Knowledge Base Question Answering [4.802205743713997]
  知識ベース相互作用から意味解析を明確に分離する2段階アーキテクチャに基づくKBQAフレームワークを提案する。 我々のアプローチはLC-QuAD(DBpedia)、WebQSP(Freebase)、SimpleQuestions(Wikidata)、MetaQA(Wikimovies-KG)の同等ないし最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-11-10T17:45:33Z)
• Beyond I.I.D.: Three Levels of Generalization for Question Answering on Knowledge Bases [63.43418760818188]
  GrailQA.comは64,331の質問で、新しい大規模で高品質なデータセットをリリースしました。 BERTベースのKBQAモデルを提案する。 データセットとモデルの組み合わせにより、KBQAの一般化におけるBERTのような事前学習されたコンテキスト埋め込みの重要な役割を、初めて徹底的に検証し、実証することが可能になります。
  論文  参考訳（メタデータ） (2020-11-16T06:36:26Z)
• 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)

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。