論文の概要: UnCommonSense: Informative Negative Knowledge about Everyday

• arxiv url: http://arxiv.org/abs/2208.09292v1
• Date: Fri, 19 Aug 2022 12:14:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-22 17:35:21.910041
• Title: UnCommonSense: Informative Negative Knowledge about Everyday
• Title（参考訳）: UnCommonSense: 毎日のインフォームショナルな否定的知識
• Authors: Hiba Arnaout, Simon Razniewski, Gerhard Weikum, Jeff Z. Pan
• Abstract要約: 人間の常識の重要な部分は概念に当てはまらない性質に関するものであるが、既存のCSKBは肯定的な文のみを格納している。 本稿では,情報的否定的常識文を実現するUNCOMMONSENSEフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 36.32871869386023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Commonsense knowledge about everyday concepts is an important asset for AI applications, such as question answering and chatbots. Recently, we have seen an increasing interest in the construction of structured commonsense knowledge bases (CSKBs). An important part of human commonsense is about properties that do not apply to concepts, yet existing CSKBs only store positive statements. Moreover, since CSKBs operate under the open-world assumption, absent statements are considered to have unknown truth rather than being invalid. This paper presents the UNCOMMONSENSE framework for materializing informative negative commonsense statements. Given a target concept, comparable concepts are identified in the CSKB, for which a local closed-world assumption is postulated. This way, positive statements about comparable concepts that are absent for the target concept become seeds for negative statement candidates. The large set of candidates is then scrutinized, pruned and ranked by informativeness. Intrinsic and extrinsic evaluations show that our method significantly outperforms the state-of-the-art. A large dataset of informative negations is released as a resource for future research.
• Abstract（参考訳）: 日常概念に関する常識的な知識は、質問応答やチャットボットなど、AIアプリケーションにとって重要な資産である。 近年,構造化コモンセンス知識ベース(CSKB)の構築への関心が高まっている。 human commonsenseの重要な部分は、概念に当てはまらないプロパティであるが、既存のcskbは、ポジティブなステートメントしか保存しない。 さらに、cskbはオープンワールドの仮定の下で機能するので、欠落したステートメントは無効ではなく未知の真理を持つと考えられている。 本稿では,情報的否定的常識文を実現するUNCOMMONSENSEフレームワークを提案する。 対象概念が与えられると、それと同等の概念がcskbで識別され、そこでは局所閉世界仮定が仮定される。 このように、ターゲット概念に欠けている同等の概念に関する肯定的なステートメントは、否定的なステートメント候補のシードとなる。 大量の候補者が精査され、選抜され、情報によってランク付けされる。 内因性および外因性評価は,本手法が最先端の手法よりも優れていることを示す。 将来の研究のためのリソースとして、情報的否定の大規模なデータセットがリリースされている。

関連論文リスト

• What Really is Commonsense Knowledge? [58.5342212738895]
  我々は、既存のコモンセンス知識の定義を調査し、概念を定義するための3つのフレームワークに基礎を置き、それらをコモンセンス知識の統一的な定義に統合する。 次に、アノテーションと実験のための統合された定義をCommonsenseQAとCommonsenseQA 2.0データセットで使用します。 本研究は,2つのデータセットには非常識知識のインスタンスが多数存在し,これら2つのサブセットに対して大きな性能差があることを示す。
  論文  参考訳（メタデータ） (2024-11-06T14:54:19Z)
• CAR: Conceptualization-Augmented Reasoner for Zero-Shot Commonsense Question Answering [56.592385613002584]
  ゼロショットコモンセンス質問応答の課題に対処するために,概念化強化推論器(CAR)を提案する。 CARは、CommonSenseの知識を多くの高レベルなインスタンスに抽象化し、CommonSenseの知識ベースの範囲を拡大する。 CARは、既存のメソッドよりも、ゼロショットのコモンセンスシナリオに関する質問に答えることにより、より堅牢に一般化する。
  論文  参考訳（メタデータ） (2023-05-24T08:21:31Z)
• COPEN: Probing Conceptual Knowledge in Pre-trained Language Models [60.10147136876669]
  概念的知識は人間の認知と知識基盤の基本である。 既存の知識探索作業は、事前訓練された言語モデル(PLM)の事実知識のみに焦点を当て、概念知識を無視する。 PLMが概念的類似性によってエンティティを編成し、概念的特性を学習し、コンテキスト内でエンティティを概念化するかどうかを調査する3つのタスクを設計する。 タスクのために、393のコンセプトをカバーする24kのデータインスタンスを収集、注釈付けします。
  論文  参考訳（メタデータ） (2022-11-08T08:18:06Z)
• Evaluate Confidence Instead of Perplexity for Zero-shot Commonsense Reasoning [85.1541170468617]
  本稿では,コモンセンス推論の性質を再考し,新しいコモンセンス推論尺度であるNon-Replacement Confidence(NRC)を提案する。 提案手法は,2つのコモンセンス推論ベンチマークデータセットと,さらに7つのコモンセンス質問応答データセットに対してゼロショット性能を向上する。
  論文  参考訳（メタデータ） (2022-08-23T14:42:14Z)
• Benchmarking Commonsense Knowledge Base Population with an Effective Evaluation Dataset [37.02104430195374]
  要素が自由テキストの形で存在するCSKB(Commonsense Knowledge Base)に対する推論は、NLPにおいて重要であるが難しい課題である。 我々はCSKB集団タスクを新しい大規模データセットでベンチマークする。 また,グラフ上の推論を行う新しい帰納的コモンセンス推論モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-16T02:50:01Z)
• NegatER: Unsupervised Discovery of Negatives in Commonsense Knowledge Bases [16.986011107071477]
  NegatERは、コンテキスト言語モデルを使用して、コモンセンスKBの潜在的なネガティブをランク付けするフレームワークである。 LMの肯定的な知識にのみ依存し、根本的な否定的な例を必要としない。 実験により、NegatERはより文法的、一貫性があり、情報的である負の値を生成することが示された。
  論文  参考訳（メタデータ） (2020-11-15T10:55:26Z)
• BoxE: A Box Embedding Model for Knowledge Base Completion [53.57588201197374]
  知識ベース補完(KBC)は、知識ベース(KB)に存在する情報を活用することにより、行方不明な事実を自動的に推測することを目的とする。 既存の埋め込みモデルは、以下の制限の少なくとも1つに該当する。 BoxEは、エンティティをポイントとして、関係をハイパー矩形(またはボックス)の集合として埋め込む
  論文  参考訳（メタデータ） (2020-07-13T09:40:49Z)
• Negative Statements Considered Useful [33.255018506270765]
  本論では, 持たない有能な言明を明確に述べる。 このような無効な文が豊富にあるため、それらをコンパイルするためには、給与によるランク付けに対処する必要がある。 本稿では,否定文のコンパイルとランク付けのための統計的推論手法を提案する。
  論文  参考訳（メタデータ） (2020-01-13T17:49:37Z)

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。