論文の概要: Semantic Answer Type and Relation Prediction Task (SMART 2021)

• arxiv url: http://arxiv.org/abs/2112.07606v1
• Date: Tue, 7 Dec 2021 16:17:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-19 14:56:16.308396
• Title: Semantic Answer Type and Relation Prediction Task (SMART 2021)
• Title（参考訳）: 意味応答型と関係予測タスク(SMART 2021)
• Authors: Nandana Mihindukulasooriya, Mohnish Dubey, Alfio Gliozzo, Jens Lehmann, Axel-Cyrille Ngonga Ngomo, Ricardo Usbeck, Gaetano Rossiello, Uttam Kumar
• Abstract要約: Semantic Answer Type and Relation Prediction Taskは、ISWC 2021 Semantic Webの課題のひとつだ。 本稿では,タスク記述,ベンチマークデータセット,評価指標について論じる。
• 参考スコア（独自算出の注目度）: 11.868068853671033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Each year the International Semantic Web Conference organizes a set of Semantic Web Challenges to establish competitions that will advance state-of-the-art solutions in some problem domains. The Semantic Answer Type and Relation Prediction Task (SMART) task is one of the ISWC 2021 Semantic Web challenges. This is the second year of the challenge after a successful SMART 2020 at ISWC 2020. This year's version focuses on two sub-tasks that are very important to Knowledge Base Question Answering (KBQA): Answer Type Prediction and Relation Prediction. Question type and answer type prediction can play a key role in knowledge base question answering systems providing insights about the expected answer that are helpful to generate correct queries or rank the answer candidates. More concretely, given a question in natural language, the first task is, to predict the answer type using a target ontology (e.g., DBpedia or Wikidata. Similarly, the second task is to identify relations in the natural language query and link them to the relations in a target ontology. This paper discusses the task descriptions, benchmark datasets, and evaluation metrics. For more information, please visit https://smart-task.github.io/2021/.
• Abstract（参考訳）: 毎年国際セマンティックウェブ会議がセマンティックウェブチャレンジを組織し、いくつかの問題領域における最先端のソリューションを前進させる競争を確立する。 セマンティック回答タイプと関係予測タスク(smart)タスクは、iswc 2021セマンティックwebチャレンジの1つです。 ISWC 2020でのSMART 2020の成功に続く2年目となる。 今年のバージョンでは、知識ベース質問回答(KBQA: Answer Type Prediction and Relation Prediction)において非常に重要な2つのサブタスクに焦点を当てている。 質問タイプと回答タイプ予測は、正しい質問を生成したり、回答候補をランク付けするのに役立つ期待される回答についての洞察を提供する知識ベース質問応答システムにおいて重要な役割を果たす。 より具体的には、自然言語の質問が与えられた場合、第一のタスクは、ターゲットオントロジー(例えばDBpediaやWikidata)を使って答えの型を予測することである。 同様に、第2のタスクは、自然言語クエリ内の関係を識別し、ターゲットオントロジー内の関係とリンクすることである。 本稿では,タスク記述,ベンチマークデータセット,評価指標について論じる。 詳細はhttps://smart-task.github.io/2021/を参照。

関連論文リスト

• Ask To The Point: Open-Domain Entity-Centric Question Generation [27.5948850672624]
  我々は*entity-centric question generation* (ECQG)と呼ばれる新しいタスクを導入する。 このタスクは、エンティティの観点から質問を生成することを目的としています。 ECQGを解決するために,コンテンツフォーカスと質問検証という2つの新しいモジュールを備えたPLMベースのコヒーレントなフレームワークGenCONEを提案する。
  論文  参考訳（メタデータ） (2023-10-21T22:19:19Z)
• Event Extraction as Question Generation and Answering [72.04433206754489]
  イベント抽出に関する最近の研究は、質問回答(QA)としてタスクを再編成した。 そこで我々は,QGA-EEを提案する。QGモデルにより,定型テンプレートを使わずに,リッチな文脈情報を含む質問を生成することができる。 実験の結果、QGA-EEはACE05の英語データセットで以前のシングルタスクベースのモデルよりも優れていた。
  論文  参考訳（メタデータ） (2023-07-10T01:46:15Z)
• Semantic Parsing for Conversational Question Answering over Knowledge Graphs [63.939700311269156]
  本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。 本稿では,2つの意味解析手法を提案し,その課題を強調した。 私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
  論文  参考訳（メタデータ） (2023-01-28T14:45:11Z)
• 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)
• Interactive Mobile App Navigation with Uncertain or Under-specified Natural Language Commands [47.282510186109775]
  モバイルアプリケーションTasks with Iterative Feedback (MoTIF)は、モバイルアプリで自然言語クエリを完了させることを目標とする、新たなデータセットです。 対話型質問応答,視覚的常識推論,質問応答の妥当性予測における関連課題に対する現在のデータセットは,あいまいな自然言語要求を解決するための研究を支援していない。 MoTIFには満足できない自然言語要求が含まれており、対話型視覚言語タスクにおいてこの問題を調査するための最初の研究である。
  論文  参考訳（メタデータ） (2022-02-04T18:51:50Z)
• Attention-based model for predicting question relatedness on Stack Overflow [0.0]
  Stack Overflowにおける質問間の関連性を自動的に予測するアテンションベースの文対相互作用モデル(ASIM)を提案する。 ASIMは、Precision、Recall、Micro-F1評価メトリクスのベースラインアプローチを大幅に改善しました。 私たちのモデルは、Ask Ubuntuの重複質問検出タスクでもうまく機能します。
  論文  参考訳（メタデータ） (2021-03-19T12:18:03Z)
• SeMantic AnsweR Type prediction task (SMART) at ISWC 2020 Semantic Web Challenge [11.300556727921155]
  Semantic AnsweR Type予測タスクは、ISWC 2020の課題の一部だった。 質問タイプと回答タイプの予測は、知識ベース回答システムにおいて重要な役割を果たす。 より具体的には、自然言語における問題を考えると、SMARTチャレンジの課題は、ターゲットオントロジーを用いて答えの型を予測することである。
  論文  参考訳（メタデータ） (2020-12-01T15:02:11Z)
• A Clarifying Question Selection System from NTES_ALONG in Convai3 Challenge [8.656503175492375]
  本稿では,検索指向会話型AI (SCAI) EMNLPワークショップにおけるClariQチャレンジへのNetEase Game AI Labチームの参加について述べる。 この課題は、解明された質問を理解し、生成できる完全な会話情報検索システムを求めるものである。 本稿では,回答理解,質問のリコール,質問ランキングの明確化からなる質問選択システムを提案する。
  論文  参考訳（メタデータ） (2020-10-27T11:22:53Z)
• Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
  InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。 我々は,読者が情報を求めるための実践的な戦略に携わることを示す。 我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
  論文  参考訳（メタデータ） (2020-10-04T19:03:39Z)
• Visual Question Answering with Prior Class Semantics [50.845003775809836]
  候補解のセマンティクスに関連する追加情報を利用する方法を示す。 セマンティック空間における回帰目標を用いて解答予測プロセスを拡張する。 提案手法は,様々な質問タイプに対して,一貫性と精度の向上をもたらす。
  論文  参考訳（メタデータ） (2020-05-04T02:46:31Z)

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。