論文の概要: Controllable Semantic Parsing via Retrieval Augmentation

• arxiv url: http://arxiv.org/abs/2110.08458v1
• Date: Sat, 16 Oct 2021 03:34:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-19 15:42:55.754673
• Title: Controllable Semantic Parsing via Retrieval Augmentation
• Title（参考訳）: Retrieval Augmentationによる制御可能な意味解析
• Authors: Panupong Pasupat and Yuan Zhang and Kelvin Guu
• Abstract要約: 我々は,Exemplar Retrieval (CASPER) を用いた制御可能なセマンティック生成モデルを提案する。 CASPERは、新しいドメインでクエリを解析し、特定のパターンに対して予測を適用したり、モデルを再トレーニングすることなく、新しいセマンティックスキーマに適応できることを示す。
• 参考スコア（独自算出の注目度）: 14.528396278058285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In practical applications of semantic parsing, we often want to rapidly change the behavior of the parser, such as enabling it to handle queries in a new domain, or changing its predictions on certain targeted queries. While we can introduce new training examples exhibiting the target behavior, a mechanism for enacting such behavior changes without expensive model re-training would be preferable. To this end, we propose ControllAble Semantic Parser via Exemplar Retrieval (CASPER). Given an input query, the parser retrieves related exemplars from a retrieval index, augments them to the query, and then applies a generative seq2seq model to produce an output parse. The exemplars act as a control mechanism over the generic generative model: by manipulating the retrieval index or how the augmented query is constructed, we can manipulate the behavior of the parser. On the MTOP dataset, in addition to achieving state-of-the-art on the standard setup, we show that CASPER can parse queries in a new domain, adapt the prediction toward the specified patterns, or adapt to new semantic schemas without having to further re-train the model.
• Abstract（参考訳）: セマンティック解析の実用的なアプリケーションでは、新しいドメインでのクエリの処理を可能にしたり、特定のターゲットクエリに対する予測を変更するなど、パーサの動作を迅速に変更したい場合が多い。 対象行動を示す新たなトレーニング例を導入することができるが、高価なモデル再トレーニングなしでこのような行動変化を実施できるメカニズムが望ましい。 そこで我々は,Exemplar Retrieval (CASPER) を用いた制御Able Semantic Parserを提案する。 入力クエリが与えられると、パーサは検索インデックスから関連する例を検索し、クエリに拡張し、生成型seq2seqモデルを適用して出力パースを生成する。 検索インデックスを操作したり、拡張クエリがどのように構築されているかを操作することで、パーサの振る舞いを操作できる。 MTOPデータセットでは、標準設定における最先端の達成に加えて、CASPERが新しいドメインのクエリを解析したり、特定のパターンに適応したり、モデルをさらに再トレーニングすることなく、新しいセマンティックスキーマに適応できることを示す。

関連論文リスト

• Effective Instruction Parsing Plugin for Complex Logical Query Answering on Knowledge Graphs [51.33342412699939]
  知識グラフクエリ埋め込み(KGQE)は、不完全なKGに対する複雑な推論のために、低次元KG空間に一階論理(FOL)クエリを埋め込むことを目的としている。 近年の研究では、FOLクエリの論理的セマンティクスをよりよく捉えるために、さまざまな外部情報(エンティティタイプや関係コンテキストなど)を統合している。 コードのようなクエリ命令から遅延クエリパターンをキャプチャする効果的なクエリ命令解析(QIPP)を提案する。
  論文  参考訳（メタデータ） (2024-10-27T03:18:52Z)
• Improving Retrieval-augmented Text-to-SQL with AST-based Ranking and Schema Pruning [10.731045939849125]
  本稿では,テキストからセマンティックへの解析に注目する。 商用データベースのスキーマのサイズとビジネスインテリジェンスソリューションのデプロイ可能性に関する課題から,入力データベース情報を動的に取得する $textASTReS$ を提案する。
  論文  参考訳（メタデータ） (2024-07-03T15:55:14Z)
• A Mechanism for Sample-Efficient In-Context Learning for Sparse Retrieval Tasks [29.764014766305174]
  事前学習プロセスと下流タスクに対して,適切な仮定でトランスフォーマーモデルがICLを実行可能であることを示す。 本手法は, トランス機構を用いて実装可能であることを確認した。
  論文  参考訳（メタデータ） (2023-05-26T15:49:43Z)
• Recommender Systems with Generative Retrieval [58.454606442670034]
  本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。 そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。 提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T21:48:17Z)
• Generate-and-Retrieve: use your predictions to improve retrieval for semantic parsing [25.725176422936766]
  本稿では,出力が類似した例を検索するGandRを提案する。 GandRはまず、入力ベースの検索で予備予測を生成する。 そして、最終的な予測を生成するために使用される予備予測と同様の出力で例を検索する。
  論文  参考訳（メタデータ） (2022-09-29T16:03:29Z)
• UnifieR: A Unified Retriever for Large-Scale Retrieval [84.61239936314597]
  大規模な検索は、クエリを与えられた巨大なコレクションから関連ドキュメントをリコールすることである。 事前学習型言語モデル(PLM)に基づく最近の検索手法は,高密度ベクターあるいはレキシコンに基づくパラダイムに大別することができる。 本論文では,高密度ベクトルとレキシコンに基づく検索を2つの表現能力を持つ1つのモデルで統合する学習フレームワークUnifieRを提案する。
  論文  参考訳（メタデータ） (2022-05-23T11:01:59Z)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)
• X2Parser: Cross-Lingual and Cross-Domain Framework for Task-Oriented Compositional Semantic Parsing [51.81533991497547]
  タスク指向コンポジションセマンティックパーシング(TCSP)は複雑なネストされたユーザクエリを処理する。 本報告では,TCSPの変換可能なクロスランガルとクロスドメインを比較した。 本稿では,フラット化意図とスロット表現を別々に予測し,両方の予測タスクをシーケンスラベリング問題にキャストすることを提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:40:05Z)
• Coarse-to-Fine Memory Matching for Joint Retrieval and Classification [0.7081604594416339]
  共同検索と分類のための新しいエンドツーエンド言語モデルを提案する。 FEVERファクト検証データセットの標準ブラインドテストセットで評価する。 我々は、モデルを分析・制約するためのこの設定に、模範監査を拡張します。
  論文  参考訳（メタデータ） (2020-11-29T05:06:03Z)
• Explicitly Modeling Syntax in Language Models with Incremental Parsing and a Dynamic Oracle [88.65264818967489]
  我々は新しい構文認識型言語モデル、Syntactic Ordered Memory (SOM)を提案する。 モデルは、構造をインクリメンタルにモデル化し、標準言語モデルの条件付き確率設定を維持する。 実験により、SOMは言語モデリング、インクリメンタル解析、構文一般化テストにおいて強力な結果が得られることが示された。
  論文  参考訳（メタデータ） (2020-10-21T17:39:15Z)
• Message Passing Query Embedding [4.035753155957698]
  本稿では,クエリのグラフ表現を符号化するグラフニューラルネットワークを提案する。 モデルは、明示的な監督なしにエンティティタイプの概念を捉えたエンティティ埋め込みを学習することを示します。
  論文  参考訳（メタデータ） (2020-02-06T17:40:01Z)

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。