論文の概要: Step out of KG: Knowledge Graph Completion via Knowledgeable Retrieval and Reading Comprehension

• arxiv url: http://arxiv.org/abs/2210.05921v1
• Date: Wed, 12 Oct 2022 04:50:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 14:01:50.529199
• Title: Step out of KG: Knowledge Graph Completion via Knowledgeable Retrieval and Reading Comprehension
• Title（参考訳）: kgからのステップアウト:知識に富む検索と読み解きによる知識グラフの完成
• Authors: Xin Lv, Yankai Lin, Zijun Yao, Kaisheng Zeng, Jiajie Zhang, Lei Hou and Juanzi Li
• Abstract要約: 本稿では,情報検索と読解理解に基づく新しいモデル,IR4KGCを提案する。 具体的には,三重項に関連する文書を検索可能な知識ベース情報検索モジュールを事前訓練し,検索した文書を読解モジュールに渡して予測された回答を生成する。 実験では,既存の知識から推測できない関係をよく解き,KGCデータセット上で良好な結果が得られることがわかった。
• 参考スコア（独自算出の注目度）: 33.77833862891007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graphs, as the cornerstone of many AI applications, usually face serious incompleteness problems. In recent years, there have been many efforts to study automatic knowledge graph completion (KGC), most of which use existing knowledge to infer new knowledge. However, in our experiments, we find that not all relations can be obtained by inference, which constrains the performance of existing models. To alleviate this problem, we propose a new model based on information retrieval and reading comprehension, namely IR4KGC. Specifically, we pre-train a knowledge-based information retrieval module that can retrieve documents related to the triples to be completed. Then, the retrieved documents are handed over to the reading comprehension module to generate the predicted answers. In experiments, we find that our model can well solve relations that cannot be inferred from existing knowledge, and achieve good results on KGC datasets.
• Abstract（参考訳）: 多くのAIアプリケーションの基盤となる知識グラフは通常、深刻な不完全性問題に直面している。 近年,自動知識グラフ補完(KGC)の研究が盛んに行われており,そのほとんどが既存の知識を用いて新たな知識を推測している。 しかし,本実験では,既存のモデルの性能を制約する推論によって,すべての関係が得られないことがわかった。 この問題を軽減するため,情報検索と読解理解に基づく新しいモデル,IR4KGCを提案する。 具体的には,トリプルに関連する文書を検索可能な知識ベース情報検索モジュールを事前学習する。 そして、検索した文書を読解モジュールに渡して予測された回答を生成する。 実験では,既存の知識から推測できない関係を十分に解決し,kgcデータセット上で良好な結果が得られることを示す。

関連論文リスト

• Large Language Models Struggle to Learn Long-Tail Knowledge [39.01608375863687]
  本研究では,大規模言語モデルが記憶する知識と,Webから抽出した事前学習データセットの情報との関係について検討する。 特に、事実に基づく質問に答える言語モデルの能力は、事前学習中にその質問に関連する文書がいくつ見られたかに関係していることを示す。
  論文  参考訳（メタデータ） (2022-11-15T18:49:27Z)
• A Unified End-to-End Retriever-Reader Framework for Knowledge-based VQA [67.75989848202343]
  本稿では,知識に基づくVQAに向けて,エンド・ツー・エンドのレトリバー・リーダー・フレームワークを提案する。 我々は、視覚言語による事前学習モデルからの多モーダルな暗黙の知識に光を当て、知識推論の可能性を掘り下げた。 提案手法では,知識検索のガイダンスを提供するだけでなく,質問応答に対してエラーが発生しやすいケースも排除できる。
  論文  参考訳（メタデータ） (2022-06-30T02:35:04Z)
• BertNet: Harvesting Knowledge Graphs with Arbitrary Relations from Pretrained Language Models [65.51390418485207]
  本稿では,事前学習したLMから任意の関係を持つ大規模KGを抽出する手法を提案する。 関係定義の最小限の入力により、アプローチは膨大な実体対空間を効率的に探索し、多様な正確な知識を抽出する。 我々は、異なるLMから400以上の新しい関係を持つKGを収穫するためのアプローチを展開している。
  論文  参考訳（メタデータ） (2022-06-28T19:46:29Z)
• Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
  従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。 本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-24T04:36:07Z)
• Towards a Universal Continuous Knowledge Base [49.95342223987143]
  複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。 テキスト分類実験は有望な結果を示す。 我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
  論文  参考訳（メタデータ） (2020-12-25T12:27:44Z)
• PPKE: Knowledge Representation Learning by Path-based Pre-training [43.41597219004598]
  PPKEと呼ばれる知識埋め込み学習のためのパスベース事前学習モデルを提案する。 本モデルはリンク予測と関係予測タスクのためのいくつかのベンチマークデータセットで最新の結果を得る。
  論文  参考訳（メタデータ） (2020-12-07T10:29:30Z)
• Improving Commonsense Question Answering by Graph-based Iterative Retrieval over Multiple Knowledge Sources [26.256653692882715]
  疑問に答えるシステムにおいて、コモンセンスを効果的に活用する方法はまだ検討中である。 本研究では,ConceptNet,Wikipedia,Cambridge Dictionaryを統合した質問応答手法を提案する。 学習済みの言語モデルを用いて、質問を符号化し、知識と選択を検索し、回答の選択を意識した注意機構を提案する。
  論文  参考訳（メタデータ） (2020-11-05T08:50:43Z)
• 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)
• Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs [96.73259297063619]
  我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。 新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。 我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
  論文  参考訳（メタデータ） (2020-01-08T01:19:08Z)

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。