論文の概要: An ASP-based Approach to Answering Natural Language Questions for Texts

• arxiv url: http://arxiv.org/abs/2112.11241v1
• Date: Tue, 21 Dec 2021 14:13:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-22 14:47:52.148914
• Title: An ASP-based Approach to Answering Natural Language Questions for Texts
• Title（参考訳）: テキストに対する自然言語質問に答えるaspベースのアプローチ
• Authors: Dhruva Pendharkar, Kinjal Basu, Farhad Shakerin, and Gopal Gupta
• Abstract要約: 本稿では,自然言語テキストから生成した知識を表現するために,応答集合プログラミング(ASP)に基づく手法を提案する。 ASP.NETは、自動質問応答、テキスト要約、自動質問生成など、多くの自然言語タスクを容易にする。 本稿では,英語テキストの自然言語質問に回答するタスクを自動化するために開発したCASPRシステムについて述べる。
• 参考スコア（独自算出の注目度）: 8.417188296231059
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An approach based on answer set programming (ASP) is proposed in this paper for representing knowledge generated from natural language texts. Knowledge in a text is modeled using a Neo Davidsonian-like formalism, which is then represented as an answer set program. Relevant commonsense knowledge is additionally imported from resources such as WordNet and represented in ASP. The resulting knowledge-base can then be used to perform reasoning with the help of an ASP system. This approach can facilitate many natural language tasks such as automated question answering, text summarization, and automated question generation. ASP-based representation of techniques such as default reasoning, hierarchical knowledge organization, preferences over defaults, etc., are used to model commonsense reasoning methods required to accomplish these tasks. In this paper, we describe the CASPR system that we have developed to automate the task of answering natural language questions given English text. CASPR can be regarded as a system that answers questions by "understanding" the text and has been tested on the SQuAD data set, with promising results.
• Abstract（参考訳）: 本稿では,自然言語テキストから生成した知識を表現するために,応答集合プログラミング(ASP)に基づく手法を提案する。 テキストの知識はネオダビドソン的形式を用いてモデル化され、答え集合プログラムとして表現される。 関連するコモンセンス知識は、WordNetなどのリソースからインポートされ、ASP.NETで表現されます。 得られた知識ベースを使用して、ASPシステムの助けを借りて推論を行うことができる。 このアプローチは、自動質問応答、テキスト要約、自動質問生成など、多くの自然言語タスクを促進することができる。 デフォルト推論、階層的知識組織、デフォルトに対する選好といったテクニックのaspベースの表現は、これらのタスクを達成するのに必要なcommonsense推論メソッドのモデル化に使用される。 本稿では,英語テキストの自然言語質問に回答するタスクを自動化するために開発したCASPRシステムについて述べる。 CASPRは、テキストを"理解"することで質問に答えるシステムとみなすことができ、SQuADデータセットでテストされ、有望な結果が得られる。

関連論文リスト

• Automating Knowledge Acquisition for Content-Centric Cognitive Agents Using LLMs [0.0]
  本稿では,知的エージェントのセマンティックレキシコンにおける新たなエントリの自動学習を支援するために,大規模言語モデル(LLM)技術を利用するシステムについて述べる。 このプロセスは、既存の非トイ辞書と、意味の形式的、存在論的に接地された表現を自然言語文に変換する自然言語生成装置によってブートストラップされる。
  論文  参考訳（メタデータ） (2023-12-27T02:31:51Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• An In-Context Schema Understanding Method for Knowledge Base Question Answering [70.87993081445127]
  大きな言語モデル(LLM)は、言語理解において強力な能力を示しており、この課題を解決するために使用することができる。 既存のメソッドは、当初、スキーマ固有の詳細を使わずにLLMを使用してロジックフォームのドラフトを生成することで、この課題を回避している。 そこで本研究では,LLMが文脈内学習を利用してスキーマを直接理解できる簡易なインコンテキスト理解(ICSU)手法を提案する。
  論文  参考訳（メタデータ） (2023-10-22T04:19:17Z)
• HPE:Answering Complex Questions over Text by Hybrid Question Parsing and Execution [92.69684305578957]
  テキストQAにおける質問解析と実行の枠組みを提案する。 提案したフレームワークは、トップダウンの質問パースとして、ボトムアップの回答バックトラックとみなすことができる。 MuSiQue,2WikiQA,HotpotQA,およびNQに関する実験により,提案した解析およびハイブリッド実行フレームワークが,教師付き,少数ショット,ゼロショット設定における既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-12T22:37:06Z)
• DecAF: Joint Decoding of Answers and Logical Forms for Question Answering over Knowledge Bases [81.19499764899359]
  本稿では,論理形式と直解の両方を共同で生成する新しいフレームワークDecAFを提案する。 DecAFはWebQSP、FreebaseQA、GrailQAベンチマークで新しい最先端の精度を実現している。
  論文  参考訳（メタデータ） (2022-09-30T19:51:52Z)
• Automatic question generation based on sentence structure analysis using machine learning approach [0.0]
  本稿では,英語の非構造化テキストから事実質問を生成するための枠組みを紹介する。 文パターンに基づく従来の言語アプローチと、いくつかの機械学習手法を組み合わせる。 フレームワークには、生成された質問の品質を見積もる質問評価モジュールも含まれている。
  論文  参考訳（メタデータ） (2022-05-25T14:35:29Z)
• Knowledge-driven Natural Language Understanding of English Text and its Applications [8.417188296231059]
  英文を対象とした知識駆動型意味表現手法を提案する。 SQuARE (Semantic-based Question Answering and Reasoning Engine) と StaCACK (Stateful Conversational Agent using Commonsense Knowledge) の2つのNLUアプリケーションを提案する。
  論文  参考訳（メタデータ） (2021-01-27T22:02:50Z)
• Question Answering over Knowledge Bases by Leveraging Semantic Parsing and Neuro-Symbolic Reasoning [73.00049753292316]
  本稿では,意味解析と推論に基づくニューロシンボリック質問回答システムを提案する。 NSQAはQALD-9とLC-QuAD 1.0で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-12-03T05:17:55Z)
• 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)
• SQuARE: Semantics-based Question Answering and Reasoning Engine [9.902883278247726]
  自然言語QAのための汎用意味論に基づくフレームワークを提案する。 また、このフレームワークの応用であるSQuAREシステムについても述べる。 SQuAREは、テストした5つのデータセットすべてに対して100%の精度を実現します。
  論文  参考訳（メタデータ） (2020-09-22T00:48:18Z)
• Unsupervised Commonsense Question Answering with Self-Talk [71.63983121558843]
  本稿では,コモンセンスタスクの代替として,セルフトークに基づく教師なしフレームワークを提案する。 探索に基づく探索学習にインスパイアされた我々のアプローチは、質問を求める多くの情報で言語モデルに問い合わせる。 実験結果から,ゼロショット言語モデルベースラインの性能が大幅に向上することが示唆された。
  論文  参考訳（メタデータ） (2020-04-11T20:43:37Z)

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。