論文の概要: The Choice of Knowledge Base in Automated Claim Checking
- arxiv url: http://arxiv.org/abs/2111.07795v1
- Date: Mon, 15 Nov 2021 14:30:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-16 22:33:06.359303
- Title: The Choice of Knowledge Base in Automated Claim Checking
- Title(参考訳): 自動クレームチェックにおける知識ベースの選択
- Authors: Dominik Stammbach, Boya Zhang, Elliott Ash
- Abstract要約: クレームチェックパイプラインは、新しいドメインから知識ベースにアクセスすることで、クレームの新たなドメインに転送可能であることを示す。
タスクデータセットとナレッジベースが高いドメインオーバーラップすることで、ラベルの精度が向上する傾向にあります。
証拠選択のためのクレームチェックパイプラインの信頼性スコアを用いて,新たなクレームセットに対して,知識ベースが良好に機能するかどうかを評価する。
- 参考スコア(独自算出の注目度): 1.8692254863855964
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated claim checking is the task of determining the veracity of a claim
given evidence found in a knowledge base of trustworthy facts. While previous
work has taken the knowledge base as given and optimized the claim-checking
pipeline, we take the opposite approach - taking the pipeline as given, we
explore the choice of knowledge base. Our first insight is that a
claim-checking pipeline can be transferred to a new domain of claims with
access to a knowledge base from the new domain. Second, we do not find a
"universally best" knowledge base - higher domain overlap of a task dataset and
a knowledge base tends to produce better label accuracy. Third, combining
multiple knowledge bases does not tend to improve performance beyond using the
closest-domain knowledge base. Finally, we show that the claim-checking
pipeline's confidence score for selecting evidence can be used to assess
whether a knowledge base will perform well for a new set of claims, even in the
absence of ground-truth labels.
- Abstract(参考訳): 自動クレームチェック(Automated claim check)は、信頼できる事実の知識ベースで発見された証拠のクレームの正確性を決定するタスクである。
これまでの作業では、クレームチェックパイプラインを与えられたように知識ベースを取り、最適化していましたが、反対のアプローチを採用しています。
最初の洞察は、クレームチェックパイプラインは、新しいドメインから知識ベースにアクセスすることで、クレームの新たなドメインに転送できるということです。
第2に、"普遍的に最良の"知識ベースは見つからず、タスクデータセットのドメイン重複度が高く、知識ベースはラベル精度が向上する傾向にあります。
第三に、複数の知識ベースを組み合わせることで、最も近いドメイン知識ベース以上のパフォーマンスが向上することはない。
最後に,証拠の選択におけるクレームチェックパイプラインの信頼度スコアを用いて,新たなクレームに対して知識ベースがうまく機能するかどうかを評価できることを示す。
関連論文リスト
- Bridged-GNN: Knowledge Bridge Learning for Effective Knowledge Transfer [65.42096702428347]
グラフニューラルネットワーク(GNN)は、隣接するノードから情報を集約する。
知識ブリッジ学習(KBL)は、対象ドメインに対する知識強化後部分布を学習する。
Bridged-GNNには、Bridged-Graphを構築するためのAdaptive Knowledge Retrievalモジュールと、Graph Knowledge Transferモジュールが含まれている。
論文 参考訳(メタデータ) (2023-08-18T12:14:51Z) - Decker: Double Check with Heterogeneous Knowledge for Commonsense Fact
Verification [80.31112722910787]
異種知識をブリッジ可能な常識的事実検証モデルであるDeckerを提案する。
CSQA2.0とCREAKの2つのコモンセンス事実検証ベンチマークデータセットの実験結果から,Deckerの有効性が示された。
論文 参考訳(メタデータ) (2023-05-10T06:28:16Z) - Rainier: Reinforced Knowledge Introspector for Commonsense Question
Answering [74.90418840431425]
そこで,Rainier(Reinforced Knowledge Introspector,Reinforced Knowledge Introspector,Reinforced Knowledge Introspector)を提案する。
我々のアプローチは、GPT-3で生成された知識を模倣することから始まり、強化学習を通して独自の知識を生み出すことを学ぶ。
本研究は,GPT-3より桁違いに小さいモデルで生成した知識が,GPT-3から抽出した知識の質を超えうることを報告した最初の事例である。
論文 参考訳(メタデータ) (2022-10-06T17:34:06Z) - Duplicate Detection as a Service [0.0]
重複検出は知識グラフのインスタンス間のアイデンティティリンクを見つけることを目的としている。
現在のソリューションでは、ツールの専門的な知識と、それらが適用される知識グラフが必要です。
本稿では,重複検出タスクに対するサービスベースのアプローチを提案する。
論文 参考訳(メタデータ) (2022-07-20T06:02:11Z) - A Unified End-to-End Retriever-Reader Framework for Knowledge-based VQA [67.75989848202343]
本稿では,知識に基づくVQAに向けて,エンド・ツー・エンドのレトリバー・リーダー・フレームワークを提案する。
我々は、視覚言語による事前学習モデルからの多モーダルな暗黙の知識に光を当て、知識推論の可能性を掘り下げた。
提案手法では,知識検索のガイダンスを提供するだけでなく,質問応答に対してエラーが発生しやすいケースも排除できる。
論文 参考訳(メタデータ) (2022-06-30T02:35:04Z) - 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) - Knowledge Base Completion Meets Transfer Learning [43.89253223499761]
知識ベース補完の目的は、知識ベースにおける既存の事実から目に見えない事実を予測することである。
本稿では,ある事実の集合から別の事実への知識の伝達において,エンティティや関係マッチングを必要とせずに最初のアプローチを導入する。
論文 参考訳(メタデータ) (2021-08-30T09:13:29Z) - Incremental Knowledge Based Question Answering [52.041815783025186]
人間と同じように学習能力を段階的に拡張できるインクリメンタルKBQA学習フレームワークを提案します。
具体的には、破滅的な忘れ問題を克服するために、マージン希釈損失と協調選択方法からなる。
包括的な実験は、進化する知識ベースに取り組む際にその効果と効率を示す。
論文 参考訳(メタデータ) (2021-01-18T09:03:38Z) - KRISP: Integrating Implicit and Symbolic Knowledge for Open-Domain
Knowledge-Based VQA [107.7091094498848]
VQAの最も難しい質問の1つは、質問に答えるために画像に存在しない外部の知識を必要とする場合です。
本研究では,解答に必要な知識が与えられたり記入されたりしないオープンドメイン知識を,トレーニング時やテスト時にも検討する。
知識表現と推論には2つのタイプがあります。
まず、トランスベースのモデルで教師なし言語事前トレーニングと教師付きトレーニングデータから効果的に学ぶことができる暗黙的な知識。
論文 参考訳(メタデータ) (2020-12-20T20:13:02Z) - Question Answering over Knowledge Base using Language Model Embeddings [0.0]
本稿では,知識ベース質問回答タスクにおける事前学習言語モデルの利用に焦点を当てる。
さらに,これらの埋め込みを知識ベースから質問まで,双方向の注意機構で微調整した。
提案手法は,質問事項を表現するためのマルチヘッドアテンション機構を備えた,単純な畳み込みニューラルネットワークアーキテクチャに基づいている。
論文 参考訳(メタデータ) (2020-10-17T22:59:34Z)
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。