Fugu-MT 論文翻訳(概要): Textbook to triples: Creating knowledge graph in the form of triples from AI TextBook

論文の概要: Textbook to triples: Creating knowledge graph in the form of triples from AI TextBook

arxiv url: http://arxiv.org/abs/2111.10692v1
Date: Sat, 20 Nov 2021 22:28:23 GMT
ステータス: 処理完了
システム内更新日: 2021-11-24 10:40:39.021582
Title: Textbook to triples: Creating knowledge graph in the form of triples from AI TextBook
Title（参考訳）: テキストからトリプルへ:AI TextBookからトリプルの形で知識グラフを作成する
Authors: Aman Kumar, Swathi Dinakaran
Abstract要約: 本稿では,ある教科書のテキストを知識グラフとして視覚化できる3重テキストに変換するシステムを開発した。最初の評価と評価は、F1スコアが82%の有望な結果となった。
参考スコア（独自算出の注目度）: 0.8832969171530054
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: A knowledge graph is an essential and trending technology with great applications in entity recognition, search, or question answering. There are a plethora of methods in natural language processing for performing the task of Named entity recognition; however, there are very few methods that could provide triples for a domain-specific text. In this paper, an effort has been made towards developing a system that could convert the text from a given textbook into triples that can be used to visualize as a knowledge graph and use for further applications. The initial assessment and evaluation gave promising results with an F1 score of 82%.
Abstract（参考訳）: 知識グラフは、エンティティ認識、検索、質問応答に優れた応用を持つ、必要不可欠なトレンド技術である。名前付きエンティティ認識のタスクを実行するための自然言語処理には多くの方法がありますが、ドメイン固有のテキストにトリプルを提供する方法はほとんどありません。本稿では,ある教科書のテキストを知識グラフとして視覚化し,さらなる応用に利用できる3つのテキストに変換するシステムを開発するための取り組みを行った。最初の評価と評価は、F1スコアが82%の有望な結果となった。

関連論文リスト

Graphusion: Leveraging Large Language Models for Scientific Knowledge Graph Fusion and Construction in NLP Education [14.368011453534596]
フリーテキストからのゼロショット知識グラフフレームワークであるGraphusionを紹介する。核融合モジュールは、エンティティのマージ、競合解決、新しい三重項発見を取り入れた三重項のグローバルなビューを提供する。本評価は,リンク予測における教師付きベースラインの精度を最大10%超えることを示す。
論文参考訳（メタデータ） (2024-07-15T15:13:49Z)
Exploring Large Language Models for Knowledge Graph Completion [17.139056629060626]
我々は知識グラフのトリプルをテキストシーケンスとみなし、知識グラフLLMと呼ばれる革新的なフレームワークを導入する。提案手法では,三重項の実体的記述と関係的記述をプロンプトとして利用し,その応答を予測に利用する。種々のベンチマーク知識グラフを用いた実験により,三重分類や関係予測といったタスクにおいて,本手法が最先端の性能を達成することを示す。
論文参考訳（メタデータ） (2023-08-26T16:51:17Z)
Text-Augmented Open Knowledge Graph Completion via Pre-Trained Language Models [53.09723678623779]
本稿では,高品質なクエリプロンプトを自動的に生成し,大規模テキストコーパスからサポート情報を取得するためのTAGREALを提案する。その結果、TAGREALは2つのベンチマークデータセット上で最先端のパフォーマンスを達成することがわかった。 TAGREALは、限られたトレーニングデータであっても、既存の埋め込みベース、グラフベース、およびPLMベースの手法よりも優れた性能を有することが判明した。
論文参考訳（メタデータ） (2023-05-24T22:09:35Z)
Informative Text Generation from Knowledge Triples [56.939571343797304]
本稿では,トレーニング中に学習した有用な知識を記憶するために,メモリネットワークを利用した新しいメモリ拡張ジェネレータを提案する。我々は、新しい設定のためのWebNLGからデータセットを導き、我々のモデルの有効性を調べるための広範な実験を行う。
論文参考訳（メタデータ） (2022-09-26T14:35:57Z)
Joint Language Semantic and Structure Embedding for Knowledge Graph Completion [66.15933600765835]
本稿では,知識三重項の自然言語記述と構造情報とを共同で組み込むことを提案する。本手法は,学習済み言語モデルを微調整することで,完了作業のための知識グラフを埋め込む。各種知識グラフベンチマーク実験により,本手法の最先端性能を実証した。
論文参考訳（メタデータ） (2022-09-19T02:41:02Z)
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)
Commonsense Knowledge Mining from Term Definitions [0.20305676256390934]
辞書用語の定義を入力として,コモンセンス知識を3重にマイニングする機械学習手法について検討する。実験の結果,用語の定義には意味的関係の3つの意味的知識が含まれていることがわかった。
論文参考訳（メタデータ） (2021-02-01T05:54:02Z)
ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文参考訳（メタデータ） (2020-04-30T14:16:19Z)
Structure-Augmented Text Representation Learning for Efficient Knowledge Graph Completion [53.31911669146451]
人為的な知識グラフは、様々な自然言語処理タスクに重要な支援情報を提供する。これらのグラフは通常不完全であり、自動補完を促す。グラフ埋め込みアプローチ(例えばTransE)は、グラフ要素を密度の高い埋め込みに表現することで構造化された知識を学ぶ。テキストエンコーディングアプローチ(KG-BERTなど)は、グラフトリプルのテキストとトリプルレベルの文脈化表現を利用する。
論文参考訳（メタデータ） (2020-04-30T13:50:34Z)
Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文参考訳（メタデータ） (2020-04-29T14:22:42Z)
Knowledge-graph based Proactive Dialogue Generation with Improved Meta-Learning [0.0]
本稿では,知識グラフに基づく3つのコンポーネントを用いたプロアクティブ対話生成モデル(KgDg)を提案する。知識三重項の埋め込みと選択については、文の埋め込みの問題として定式化し、意味情報をよりよく捉える。改良されたMAMLアルゴリズムは,限られた知識グラフから一般的な特徴を学習することができる。
論文参考訳（メタデータ） (2020-04-19T08:41:12Z)

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。