論文の概要: Syntax Controlled Knowledge Graph-to-Text Generation with Order and Semantic Consistency

• arxiv url: http://arxiv.org/abs/2207.00719v1
• Date: Sat, 2 Jul 2022 02:42:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-05 14:44:13.199051
• Title: Syntax Controlled Knowledge Graph-to-Text Generation with Order and Semantic Consistency
• Title（参考訳）: 順序とセマンティック一貫性を考慮した構文制御型知識グラフ・テキスト生成
• Authors: Jin Liu and Chongfeng Fan and Fengyu Zhou and Huijuan Xu
• Abstract要約: 知識グラフ・トゥ・テキスト(KG-to-text)生成は、知識グラフから分かりやすい文章を生成することを目的としている。 本稿では,キャプションから抽出した注文監督の下での知識記述順序予測を最適化する。 我々は、KGの単語をコピーする位置を制限するために、POS構文タグを組み込んだ。
• 参考スコア（独自算出の注目度）: 10.7334441041015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The knowledge graph (KG) stores a large amount of structural knowledge, while it is not easy for direct human understanding. Knowledge graph-to-text (KG-to-text) generation aims to generate easy-to-understand sentences from the KG, and at the same time, maintains semantic consistency between generated sentences and the KG. Existing KG-to-text generation methods phrase this task as a sequence-to-sequence generation task with linearized KG as input and consider the consistency issue of the generated texts and KG through a simple selection between decoded sentence word and KG node word at each time step. However, the linearized KG order is commonly obtained through a heuristic search without data-driven optimization. In this paper, we optimize the knowledge description order prediction under the order supervision extracted from the caption and further enhance the consistency of the generated sentences and KG through syntactic and semantic regularization. We incorporate the Part-of-Speech (POS) syntactic tags to constrain the positions to copy words from the KG and employ a semantic context scoring function to evaluate the semantic fitness for each word in its local context when decoding each word in the generated sentence. Extensive experiments are conducted on two datasets, WebNLG and DART, and achieve state-of-the-art performances.
• Abstract（参考訳）: 知識グラフ(kg)は大量の構造的知識を格納しているが、直接人間の理解は容易ではない。 知識グラフ・トゥ・テキスト(KG-to-text)生成は、KGから分かりやすい文を生成することを目的としている。 既存のkg-to-text生成手法では、このタスクを線形化kgを入力とするシーケンス-シーケンス生成タスクとして表現し、各時間ステップで復号された文語とkgノード語を簡単に選択することで、生成されたテキストとkgの一貫性の問題を検討する。 しかし、線形化kg順序はデータ駆動最適化を伴わないヒューリスティック探索によって一般に得られる。 本稿では,キャプションから抽出した注文監督下での知識記述順序予測を最適化し,構文的・意味的正則化により生成した文とKGの一貫性をさらに向上する。 KGから単語をコピーする位置を制限するためにPOS構文タグを組み込み、各単語の局所的文脈における意味的適合性を評価するために意味的文脈スコアリング関数を用いて、生成された文中の各単語を復号する。 大規模な実験はWebNLGとDARTの2つのデータセットで行われ、最先端のパフォーマンスを達成する。

関連論文リスト

• Optimizing Factual Accuracy in Text Generation through Dynamic Knowledge Selection [71.20871905457174]
  言語モデル(LM)は、私たちが情報と対話する方法に革命をもたらしたが、しばしば非現実的なテキストを生成する。 従来の手法では、外部知識をテキスト生成の参照として使用して事実性を高めるが、無関係な参照の知識の混在に苦慮することが多い。 本稿では,テキスト生成プロセスを反復処理に分割するDKGenを提案する。
  論文  参考訳（メタデータ） (2023-08-30T02:22:40Z)
• Can Knowledge Graphs Simplify Text? [17.642947840076577]
  KGSimpleは教師なしのテキスト単純化の新しいアプローチである。 我々のモデルは、重要な情報を保持することを学ぶことで、KGから始めるときのテキストを単純化することができる。 現在利用可能なKG-to-textデータセット上で、KGSimpleモデルの様々な設定を評価する。
  論文  参考訳（メタデータ） (2023-08-14T07:20:49Z)
• Text-To-KG Alignment: Comparing Current Methods on Classification Tasks [2.191505742658975]
  知識グラフ(KG)は、事実情報の密集した構造化された表現を提供する。 最近の研究は、追加のコンテキストとしてKGから情報を取得するパイプラインモデルの作成に重点を置いている。 現在のメソッドが、アライメントされたサブグラフがクエリに完全に関連しているシナリオとどのように比較されているかは分かっていない。
  論文  参考訳（メタデータ） (2023-06-05T13:45:45Z)
• Knowledge Graph-Augmented Language Models for Knowledge-Grounded Dialogue Generation [58.65698688443091]
  我々は、知識グラフ(KGs)を用いた文脈関連および知識基底対話を生成するためのフレームワークであるSUbgraph Retrieval-augmented GEneration (SURGE)を提案する。 我々のフレームワークはまずKGから関連するサブグラフを取得し、その後、検索したサブグラフによって条件付けられた単語の埋め込みを摂動することで、事実間の一貫性を強制する。 我々は,OpendialKGとKOMODISデータセットのSURGEフレームワークを検証し,KGの知識を忠実に反映した高品質な対話を生成することを示す。
  論文  参考訳（メタデータ） (2023-05-30T08:36:45Z)
• Clustering Semantic Predicates in the Open Research Knowledge Graph [0.0]
  オープンリサーチ知識グラフ(ORKG)のリソースに関する述語を推奨するために、2つのAIベースのクラスタリングアルゴリズムをカスタマイズするアプローチについて述べる。 線形実行時の性能を比較的高い精度で再現する実験は,非常に有望な結果を示した。 この研究は、44の研究分野にまたがる学術知識のセマンティフィケーションのための一般的なセマンティフィケーションパターンとして、自動的に緩やかに蓄積する述語群に対する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2022-10-05T05:48:39Z)
• Collaborative Knowledge Graph Fusion by Exploiting the Open Corpus [59.20235923987045]
  知識表現の質を維持しながら、新たに収穫した3倍の知識グラフを豊かにすることは困難である。 本稿では,付加コーパスから得られる情報を用いてKGを精製するシステムを提案する。
  論文  参考訳（メタデータ） (2022-06-15T12:16:10Z)
• CoSe-Co: Text Conditioned Generative CommonSense Contextualizer [13.451001884972033]
  事前訓練された言語モデル(PTLM)は、自然言語のタスクでうまく機能することが示されている。 文に条件付きCommonSense Contextualizer(CoSe-Co)を提案する。
  論文  参考訳（メタデータ） (2022-06-12T09:57:32Z)
• UnifiedSKG: Unifying and Multi-Tasking Structured Knowledge Grounding with Text-to-Text Language Models [170.88745906220174]
  本稿では,21のSKGタスクをテキスト・テキスト・フォーマットに統一するSKGフレームワークを提案する。 我々は,UnifiedSKGが21タスクのほぼすべてにおいて最先端のパフォーマンスを達成することを示す。 また、UnifiedSKGを用いて、SKGタスク間の変異をコードする構造化知識に関する一連の実験を行う。
  論文  参考訳（メタデータ） (2022-01-16T04:36:18Z)
• SenSeNet: Neural Keyphrase Generation with Document Structure [42.641790028836795]
  メタセンテンス誘導バイアスをキーフレーズ生成(KG)に組み込むSentence Selective Network(SenSeNet)という新しい手法を提案する。 SenSeNetは、seq2seqフレームワークに基づいて主要なKGモデルのパフォーマンスを一貫して改善できます。
  論文  参考訳（メタデータ） (2020-12-12T08:21:08Z)
• Inductive Learning on Commonsense Knowledge Graph Completion [89.72388313527296]
  コモンセンス知識グラフ(英: Commonsense Knowledge graph、CKG)は、知識グラフ(英: knowledge graph、CKG)の一種。 本稿では,未確認のエンティティがテスト時に現れるCKG完了のための帰納学習環境について検討する。 InductivEは、ATOMICとConceptNetベンチマークの標準設定とインダクティブ設定の両方において、最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-09-19T16:10:26Z)
• Cross-lingual Entity Alignment with Incidental Supervision [76.66793175159192]
  本稿では,多言語KGとテキストコーパスを共通埋め込み方式で共同で表現する,偶発的に教師付きモデルであるJEANSを提案する。 ベンチマークデータセットの実験では、JEANSがエンティティアライメントとインシデントインシデントインシデントインスペクションの改善を期待できる結果となった。
  論文  参考訳（メタデータ） (2020-05-01T01:53:56Z)

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。