論文の概要: Uni-Parser: Unified Semantic Parser for Question Answering on Knowledge Base and Database

• arxiv url: http://arxiv.org/abs/2211.05165v1
• Date: Wed, 9 Nov 2022 19:33:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 14:29:03.167512
• Title: Uni-Parser: Unified Semantic Parser for Question Answering on Knowledge Base and Database
• Title（参考訳）: Uni-Parser:知識ベースとデータベースに関する質問応答のための統一セマンティックパーザ
• Authors: Ye Liu, Semih Yavuz, Rui Meng, Dragomir Radev, Caiming Xiong, Yingbo Zhou
• Abstract要約: 知識ベース(KB)とデータベース(DB)の両方で質問応答(QA)を統一した意味的要素を提案する。 フレームワークに不可欠な要素としてプリミティブ(KBのリレーションとエンティティ、テーブル名、列名、DBのセル値)を導入します。 生成元を利用して、異なる操作でトップランクプリミティブを変更・構成することで、最終的な論理形式を予測する。
• 参考スコア（独自算出の注目度）: 86.03294330305097
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Parsing natural language questions into executable logical forms is a useful and interpretable way to perform question answering on structured data such as knowledge bases (KB) or databases (DB). However, existing approaches on semantic parsing cannot adapt to both modalities, as they suffer from the exponential growth of the logical form candidates and can hardly generalize to unseen data. In this work, we propose Uni-Parser, a unified semantic parser for question answering (QA) on both KB and DB. We introduce the primitive (relation and entity in KB, and table name, column name and cell value in DB) as an essential element in our framework. The number of primitives grows linearly with the number of retrieved relations in KB and DB, preventing us from dealing with exponential logic form candidates. We leverage the generator to predict final logical forms by altering and composing topranked primitives with different operations (e.g. select, where, count). With sufficiently pruned search space by a contrastive primitive ranker, the generator is empowered to capture the composition of primitives enhancing its generalization ability. We achieve competitive results on multiple KB and DB QA benchmarks more efficiently, especially in the compositional and zero-shot settings.
• Abstract（参考訳）: 自然言語質問を実行可能な論理形式に解析することは、知識ベース(kb)やデータベース(db)といった構造化データに対して質問応答を行うための有用で解釈可能な方法である。 しかし、既存の意味解析のアプローチは、論理形式候補の指数的成長に悩まされ、目に見えないデータにはほとんど一般化できないため、両方のモダリティに適応できない。 本研究では,KBとDBの両方で質問応答(QA)を統一した意味解析器Uni-Parserを提案する。 我々は、このフレームワークに不可欠な要素としてプリミティブ(KBにおけるリレーションとエンティティ、DBにおけるテーブル名、列名、セル値)を導入します。 プリミティブの数は KB と DB の検索関係の数とともに直線的に増加するため,指数論理形式候補に対処できない。 我々はジェネレータを利用して、異なる操作(例えば、セレクト、場所、カウント)で上位のプリミティブを変更し、構成することで、最終的な論理形式を予測する。 対照的なプリミティブローダによる十分に刈り取られた探索空間により、ジェネレータは、その一般化能力を高めるプリミティブの構成を捕捉する権限を有する。 複数のKBおよびDBQAベンチマークにおいて,特に合成およびゼロショット設定において,より効率的に競合結果を得る。

関連論文リスト

• Semantic Parsing with Candidate Expressions for Knowledge Base Question Answering [4.795837146925278]
  大規模知識ベース(KB)を用いた意味解析のための候補表現を付加した文法を提案する。 文法は、アクションを生産規則として定義し、我々の意味論は、型と候補式による制約の下での推論中のアクションを予測する。 我々のセマンティックスはKQA ProとOvernightで最先端のアキュラシーを達成し、その実装はhttps://www.daehwannam.com/daehwannam/candexpr-sp.git.comで公開されています。
  論文  参考訳（メタデータ） (2024-10-01T05:46:22Z)
• Prompting Large Language Models with Chain-of-Thought for Few-Shot Knowledge Base Question Generation [19.327008532572645]
  知識ベースに関する質問生成(KBQG)は、論理形式を自然言語の質問に変換することを目的としている。 推論のためのコンテキスト内学習戦略であるChain-of-Thoughtプロンプトを提案する。 3つのKBQGデータセットに対して広範な実験を行う。
  論文  参考訳（メタデータ） (2023-10-12T15:08:14Z)
• TIARA: Multi-grained Retrieval for Robust Question Answering over Large Knowledge Bases [20.751369684593985]
  TIARAは、PLMやオラクルエンティティアノテーションなどを含む以前のSOTAよりも、GrailQAおよびWebQuestionsSP上の少なくとも4.1と1.1のF1ポイントが優れている。
  論文  参考訳（メタデータ） (2022-10-24T02:41:10Z)
• 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)
• Improving Text-to-SQL Semantic Parsing with Fine-grained Query Understanding [84.04706075621013]
  トークンレベルのきめ細かいクエリ理解に基づく汎用的モジュール型ニューラルネットワーク解析フレームワークを提案する。 我々のフレームワークは、名前付きエンティティ認識(NER)、ニューラルエンティティリンカ(NEL)、ニューラルエンティティリンカ(NSP)の3つのモジュールから構成されている。
  論文  参考訳（メタデータ） (2022-09-28T21:00:30Z)
• Knowledge Base Question Answering by Case-based Reasoning over Subgraphs [81.22050011503933]
  本モデルでは,既存のKG補完アルゴリズムよりも複雑な推論パターンを必要とする問合せに対して,より効果的に答えることを示す。 提案モデルは、KBQAベンチマークの最先端モデルよりも優れているか、競合的に動作する。
  論文  参考訳（メタデータ） (2022-02-22T01:34:35Z)
• SYGMA: System for Generalizable Modular Question Answering OverKnowledge Bases [57.89642289610301]
  SYGMAは、複数の知識ベースと複数のリアソニングタイプにまたがる汎用化を容易にするモジュラーアプローチである。 本システムの有効性を,DBpediaとWikidataの2つの異なる知識ベースに属するデータセットを用いて評価することで実証する。
  論文  参考訳（メタデータ） (2021-09-28T01:57:56Z)
• Semantic Parsing Natural Language into Relational Algebra [4.56877715768796]
  データベースへの自然なインターフェース(NLIDB)は、過去数十年で多く研究されてきた。 ニューラルディープラーニングの最近の進歩は、一般的なNLIDBシステムを構築する上で有望な方向性をもたらすように思われる。
  論文  参考訳（メタデータ） (2021-06-25T19:36:02Z)
• Reasoning Over Virtual Knowledge Bases With Open Predicate Relations [85.19305347984515]
  Open Predicate Query Language (OPQL) を紹介します。 OPQLは、テキストから完全にトレーニングされた仮想知識ベース(VKB)を構築する方法である。 OPQLは2つの異なるKB推論タスクにおいて、以前のVKBメソッドよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-02-14T01:29:54Z)
• Neural Databases [23.273308740532254]
  本稿では,事前定義されたスキーマを持たないデータベースシステムについて述べる。 我々は、NeuralDBとそのコンポーネントの精度を実験的に検証し、非常に高い精度で何千もの文に対する問合せに答えられることを示す。
  論文  参考訳（メタデータ） (2020-10-14T11:31:53Z)

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。