論文の概要: Automatic Knowledge Augmentation for Generative Commonsense Reasoning
- arxiv url: http://arxiv.org/abs/2111.00192v1
- Date: Sat, 30 Oct 2021 06:53:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-04 09:47:57.925353
- Title: Automatic Knowledge Augmentation for Generative Commonsense Reasoning
- Title（参考訳）: 生成コモンセンス推論のための知識自動増強
- Authors: Jaehyung Seo, Chanjun Park, Sugyeong Eo, Hyeonseok Moon, Heuiseok Lim
- Abstract要約: 生成的コモンセンス推論(英: Generative Commonsense reasoning)とは、言語モデルが、コモンセンスの知識に基づいて与えられた概念セットで文を生成する能力である。
本稿では,機械知識生成装置を用いて,知識自動増強を用いて常識知識を拡張するデータ中心手法を提案する。
- 参考スコア（独自算出の注目度）: 1.1374578778690623
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative commonsense reasoning is the capability of a language model to
generate a sentence with a given concept-set that is based on commonsense
knowledge. However, generative language models still struggle to provide
outputs, and the training set does not contain patterns that are sufficient for
generative commonsense reasoning. In this paper, we propose a data-centric
method that uses automatic knowledge augmentation to extend commonsense
knowledge using a machine knowledge generator. This method can generate
semi-golden sentences that improve the generative commonsense reasoning of a
language model without architecture modifications. Furthermore, this approach
is a model-agnostic method and does not require human effort for data
construction.
- Abstract（参考訳）: ジェネレーティブ・コモンセンス推論(generative commonsense reasoning)は、コモンセンスの知識に基づいて与えられた概念セットで文を生成する言語モデルの能力である。
しかし、生成言語モデルは出力の提供に苦慮しており、トレーニングセットには生成コモンセンス推論に十分なパターンが含まれていない。
本稿では,機械の知識生成装置を用いて,知識自動増強を用いて常識知識を拡張するデータ中心手法を提案する。
この方法は、アーキテクチャの変更なしに言語モデルの生成コモンセンス推論を改善する半金文を生成することができる。
さらに、このアプローチはモデルに依存しない手法であり、データ構築に人的労力を必要としない。
関連論文リスト
- PHALM: Building a Knowledge Graph from Scratch by Prompting Humans and a
Language Model [15.148567298728574]
本稿では,知識グラフをゼロから構築する手法であるPHALMを提案する。
この手法を用いて、日本語イベント知識グラフを構築し、日本語コモンセンス生成モデルを訓練した。
論文 参考訳（メタデータ） (2023-10-11T03:39:46Z) - Commonsense Knowledge Transfer for Pre-trained Language Models [83.01121484432801]
ニューラルコモンセンス知識モデルに格納されたコモンセンス知識を汎用的な事前学習言語モデルに転送するフレームワークであるコモンセンス知識伝達を導入する。
まず、一般的なテキストを利用して、ニューラルコモンセンス知識モデルからコモンセンス知識を抽出するクエリを形成する。
次に、コモンセンスマスクの埋め込みとコモンセンスの関係予測という2つの自己教師対象で言語モデルを洗練する。
論文 参考訳（メタデータ） (2023-06-04T15:44:51Z) - Generated Knowledge Prompting for Commonsense Reasoning [53.88983683513114]
本稿では,汎用的なプロンプト形式を用いて,言語モデルから直接知識文を生成することを提案する。
このアプローチは、4つのコモンセンス推論タスクにおいて、既製の言語モデルと微調整された言語モデルの両方のパフォーマンスを向上させる。
特に、モデルが生成した知識を使用することで、予測が改善できることが分かる。
論文 参考訳（メタデータ） (2021-10-15T21:58:03Z) - Knowledge-Grounded Dialogue Generation with Pre-trained Language Models [74.09352261943911]
我々は、事前学習された言語モデルを用いた知識基底対話生成について研究する。
本稿では,知識選択モジュールを用いた事前学習言語モデルによって定義された等価応答生成を提案する。
論文 参考訳（メタデータ） (2020-10-17T16:49:43Z) - Language Generation with Multi-Hop Reasoning on Commonsense Knowledge
Graph [124.45799297285083]
知識グラフの構造的情報と意味的情報の両方を活用することで、コモンセンスを意識したテキスト生成が促進されると主張している。
本稿では,外部コモンセンス知識グラフから抽出したマルチリレーショナルパスに基づいて,動的マルチホップ推論を用いた事前学習モデルを実現するマルチホップ推論フロー(GRF)の生成を提案する。
論文 参考訳（メタデータ） (2020-09-24T13:55:32Z) - Leap-Of-Thought: Teaching Pre-Trained Models to Systematically Reason
Over Implicit Knowledge [96.92252296244233]
大規模な事前学習言語モデル(LM)は推論能力を得るが、制御は困難である。
本研究では,暗黙的,事前学習された知識と明示的な自然言語文を併用して,体系的推論を確実に行うことができることを示す。
我々の研究は、シンプルな自然言語文を追加することで、モデルを簡単に修正できるユーザと対話することで、常に改善されるオープンドメインシステムへの道を開く。
論文 参考訳（メタデータ） (2020-06-11T17:02:20Z) - Knowledge Injection into Dialogue Generation via Language Models [85.65843021510521]
InjKは対話生成モデルに知識を注入するための2段階のアプローチである。
まず、大規模言語モデルをトレーニングし、テキスト知識としてクエリする。
次に、対話生成モデルを作成し、テキスト知識と対応する応答を逐次生成する。
論文 参考訳（メタデータ） (2020-04-30T07:31:24Z)
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。