Fugu-MT 論文翻訳(概要): Query-Specific Knowledge Graphs for Complex Finance Topics

論文の概要: Query-Specific Knowledge Graphs for Complex Finance Topics

arxiv url: http://arxiv.org/abs/2211.04142v1
Date: Tue, 8 Nov 2022 10:21:13 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 16:47:14.372802
Title: Query-Specific Knowledge Graphs for Complex Finance Topics
Title（参考訳）: 複雑な財務トピックのためのクエリ特化知識グラフ
Authors: Iain Mackie and Jeffrey Dalton
Abstract要約: ドメインの専門家が挑戦的な質問を作成できるCODECデータセットに重点を置いています。最先端のランキングシステムには改善の余地があることが示される。実体と文書の関連性は正の相関関係にあることを示す。
参考スコア（独自算出の注目度）: 6.599344783327053
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Across the financial domain, researchers answer complex questions by extensively "searching" for relevant information to generate long-form reports. This workshop paper discusses automating the construction of query-specific document and entity knowledge graphs (KGs) for complex research topics. We focus on the CODEC dataset, where domain experts (1) create challenging questions, (2) construct long natural language narratives, and (3) iteratively search and assess the relevance of documents and entities. For the construction of query-specific KGs, we show that state-of-the-art ranking systems have headroom for improvement, with specific failings due to a lack of context or explicit knowledge representation. We demonstrate that entity and document relevance are positively correlated, and that entity-based query feedback improves document ranking effectiveness. Furthermore, we construct query-specific KGs using retrieval and evaluate using CODEC's "ground-truth graphs", showing the precision and recall trade-offs. Lastly, we point to future work, including adaptive KG retrieval algorithms and GNN-based weighting methods, while highlighting key challenges such as high-quality data, information extraction recall, and the size and sparsity of complex topic graphs.
Abstract（参考訳）: 金融分野全体で、研究者は複雑な質問に答え、関連する情報を広範囲に「調査」して長文のレポートを生成する。本ワークショップでは,複雑な研究トピックを対象としたクエリ固有文書とエンティティ知識グラフの構築について論じる。ドメインエキスパートが挑戦的な質問を作成,(2)長い自然言語の物語を構築し,(3)文書やエンティティの関連性を反復的に検索し,評価するCODECデータセットに注目した。問合せ固有のKGの構築において、現状のランキングシステムには、文脈の欠如や明示的な知識表現の欠如により、特定の欠陥のある改善のためのヘッドルームがあることが示される。エンティティとドキュメントの関連性は正の相関を示し、エンティティベースのクエリフィードバックはドキュメントのランク付け効率を向上させる。さらに,検索を用いてクエリ固有のKGを構築し,CODECの「地下構造グラフ」を用いてその精度とリコールトレードオフを示す。最後に,適応型kg検索アルゴリズムやgnnに基づく重み付け手法など,今後の課題を指摘するとともに,質の高いデータや情報抽出リコール,複雑なトピックグラフのサイズとスパース性といった課題を強調する。

関連論文リスト

G-RAG: Knowledge Expansion in Material Science [0.0]
Graph RAGはグラフデータベースを統合して、検索プロセスを強化する。文書のより詳細な表現を実現するために,エージェントベースの解析手法を実装した。
論文参考訳（メタデータ） (2024-11-21T21:22:58Z)
RiTeK: A Dataset for Large Language Models Complex Reasoning over Textual Knowledge Graphs [12.846097618151951]
我々は,テキスト知識グラフ(RiTeK)を用いたLLMの複雑な推論のためのデータセットを開発し,広範なトポロジ的構造を網羅する。多様なトポロジ構造、注釈付き情報、複雑なテキスト記述を統合した現実的なユーザクエリを合成する。そこで我々はモンテカルロ木探索法 (CTS) を導入し, 特定のクエリに対してテキストグラフから関係経路情報を自動的に抽出する手法を提案する。
論文参考訳（メタデータ） (2024-10-17T19:33:37Z)
Knowledge-Aware Query Expansion with Large Language Models for Textual and Relational Retrieval [49.42043077545341]
知識グラフ(KG)から構造化文書関係を付加したLLMを拡張した知識対応クエリ拡張フレームワークを提案する。文書テキストをリッチなKGノード表現として活用し、KAR(Knowledge-Aware Retrieval)のための文書ベースの関係フィルタリングを利用する。
論文参考訳（メタデータ） (2024-10-17T17:03:23Z)
iText2KG: Incremental Knowledge Graphs Construction Using Large Language Models [0.7165255458140439]
iText2KGは、後処理なしで漸進的にトピックに依存しない知識グラフを構築する方法である。提案手法は,3つのシナリオにまたがるベースライン手法と比較して,優れた性能を示す。
論文参考訳（メタデータ） (2024-09-05T06:49:14Z)
HybridRAG: Integrating Knowledge Graphs and Vector Retrieval Augmented Generation for Efficient Information Extraction [1.0390583509657403]
本稿では,知識グラフ(KG)に基づくRAG手法のハイブリッドRAG(HybridRAG)を用いた新しい手法を提案する。ベクトルデータベースとKGの両方からコンテキストを抽出するHybridRAGは、従来のVectorRAGとGraphRAGの両方を個別に比較する。提案手法は金融分野を超えて応用できる。
論文参考訳（メタデータ） (2024-08-09T09:07:48Z)
STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
論文参考訳（メタデータ） (2024-04-19T22:54:54Z)
Improving Retrieval in Theme-specific Applications using a Corpus Topical Taxonomy [52.426623750562335]
ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。 ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
論文参考訳（メタデータ） (2024-03-07T02:34:54Z)
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)
KG-ECO: Knowledge Graph Enhanced Entity Correction for Query Rewriting [15.243664083941287]
本稿では,KG-ECO: Knowledge Graphによるクエリ書き換えのためのEntity Correctionの強化を提案する。モデルの性能を向上させるため,我々は知識グラフ(KG)を組み込んでエンティティ構造情報を提供する。実験結果から,本手法は2つのベースラインに対して明らかな性能向上をもたらすことが示された。
論文参考訳（メタデータ） (2023-02-21T05:42:06Z)
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)
Exposing Query Identification for Search Transparency [69.06545074617685]
本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
論文参考訳（メタデータ） (2021-10-14T20:19:27Z)

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。