論文の概要: A Comparative Study of Question Answering over Knowledge Bases
- arxiv url: http://arxiv.org/abs/2211.08170v1
- Date: Tue, 15 Nov 2022 14:23:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 14:00:50.310115
- Title: A Comparative Study of Question Answering over Knowledge Bases
- Title(参考訳): 知識ベースにおける質問応答の比較研究
- Authors: Khiem Vinh Tran, Hao Phu Phan, Khang Nguyen Duc Quach, Ngan Luu-Thuy
Nguyen, Jun Jo and Thanh Tam Nguyen
- Abstract要約: 知識ベースに対する質問応答 (KBQA) は,ユーザが知識ベースから情報を取り出すための一般的なアプローチとなっている。
8つのベンチマークデータセット上で6つの代表的なKBQAシステムの比較研究を行った。
本稿では,既存のモデルに優れた結果をもたらすための高度なマッピングアルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 2.6135123648293717
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Question answering over knowledge bases (KBQA) has become a popular approach
to help users extract information from knowledge bases. Although several
systems exist, choosing one suitable for a particular application scenario is
difficult. In this article, we provide a comparative study of six
representative KBQA systems on eight benchmark datasets. In that, we study
various question types, properties, languages, and domains to provide insights
on where existing systems struggle. On top of that, we propose an advanced
mapping algorithm to aid existing models in achieving superior results.
Moreover, we also develop a multilingual corpus COVID-KGQA, which encourages
COVID-19 research and multilingualism for the diversity of future AI. Finally,
we discuss the key findings and their implications as well as performance
guidelines and some future improvements. Our source code is available at
\url{https://github.com/tamlhp/kbqa}.
- Abstract(参考訳): 知識ベースに対する質問応答 (KBQA) は,ユーザが知識ベースから情報を取り出すための一般的なアプローチとなっている。
いくつかのシステムが存在するが、特定のアプリケーションシナリオに適したシステムを選択することは難しい。
本稿では、8つのベンチマークデータセット上で6つの代表的なKBQAシステムの比較研究を行う。
そこで我々は,既存のシステムがどのような状況で苦しむのかを知るため,様々な質問タイプ,特性,言語,ドメインを調査した。
さらに,既存のモデルが優れた結果を得るのを支援する高度なマッピングアルゴリズムを提案する。
さらに、将来のAIの多様性のために、COVID-19の研究と多言語主義を促進する多言語コーパスであるCOVID-KGQAも開発しています。
最後に、重要な発見とその影響、およびパフォーマンスガイドラインと今後の改善について論じる。
ソースコードは \url{https://github.com/tamlhp/kbqa} で入手できる。
関連論文リスト
- Language Guided Visual Question Answering: Elevate Your Multimodal
Language Model Using Knowledge-Enriched Prompts [54.072432123447854]
視覚的質問応答(VQA)は、画像に関する質問に答えるタスクである。
疑問に答えるには、常識知識、世界知識、イメージに存在しないアイデアや概念についての推論が必要である。
本稿では,論理文や画像キャプション,シーングラフなどの形式で言語指導(LG)を用いて,より正確に質問に答えるフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-31T03:54:11Z) - Evaluating and Modeling Attribution for Cross-Lingual Question Answering [80.4807682093432]
この研究は、言語間質問応答の属性を初めて研究したものである。
我々は、5つの言語でデータを収集し、最先端の言語間QAシステムの属性レベルを評価する。
回答のかなりの部分は、検索されたどのパスにも帰属しないことがわかった。
論文 参考訳(メタデータ) (2023-05-23T17:57:46Z) - Cross-Lingual Question Answering over Knowledge Base as Reading
Comprehension [61.079852289005025]
知識ベース(xKBQA)に対する言語間質問応答は、提供された知識ベースとは異なる言語での質問に答えることを目的としている。
xKBQAが直面する大きな課題の1つは、データアノテーションのコストが高いことである。
読解パラダイムにおけるxKBQAの新しいアプローチを提案する。
論文 参考訳(メタデータ) (2023-02-26T05:52:52Z) - Utilizing Background Knowledge for Robust Reasoning over Traffic
Situations [63.45021731775964]
我々は、インテリジェントトランスポーテーションの補完的な研究側面である交通理解に焦点を当てる。
本研究は,豊富なコモンセンス知識を前提として,テキストベースの手法とデータセットを対象とする。
交通状況に対するゼロショットQAには3つの知識駆動アプローチを採用しています。
論文 参考訳(メタデータ) (2022-12-04T09:17:24Z) - XLMRQA: Open-Domain Question Answering on Vietnamese Wikipedia-based
Textual Knowledge Source [2.348805691644086]
本稿では,ウィキペディアベースのテキスト知識ソースに教師付きトランスフォーマーを用いたベトナム初のQAシステムであるXLMRQAを提案する。
3つのシステムで得られた結果から,質問タイプがQAシステムの性能に与える影響を解析した。
論文 参考訳(メタデータ) (2022-04-14T14:54:33Z) - DeepQR: Neural-based Quality Ratings for Learnersourced Multiple-Choice
Questions [6.506382411474777]
自動質問品質評価(AQQR)のためのニューラルネットモデルを提案する。
DeepQRは、広く使用されている学習データソーシングプラットフォームであるPeerWiseから収集された、Multiple-choice-question (MCQ)データセットを使用してトレーニングされている。
8つの大学レベルのコースから収集されたデータセットの実験によると、DeepQRは6つの比較モデルよりも優れたパフォーマンスを示している。
論文 参考訳(メタデータ) (2021-11-19T05:58:39Z) - 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) - Towards More Equitable Question Answering Systems: How Much More Data Do
You Need? [15.401330338654203]
ステップバックして、既存のリソースを最大限に活用して、多くの言語でQAシステムを開発するためのアプローチを研究します。
具体的には、自動翻訳とコンテキスト-問合せ-問合せ-問合せ-問合せ-問合せ-問合せ-問合せ-問合せ-問合せ-問合せ-問合せ-問合せ-問合せの順に拡張された数ショットアプローチの有効性を評価するために、広範囲に分析を行った。
我々は、QAデータセットやシステムの言語カバレッジを高めることを目的として、固定アノテーション予算をより活用するための将来のデータセット開発活動を提案する。
論文 参考訳(メタデータ) (2021-05-28T21:32:04Z) - A Survey on Complex Knowledge Base Question Answering: Methods,
Challenges and Solutions [41.680033017518376]
知識ベース質問応答(KBQA)は、知識ベース(KB)に関する質問に答えることを目的としている。
複雑なKBQAの典型的な課題と解決策を精巧に要約する。
論文 参考訳(メタデータ) (2021-05-25T03:45:30Z) - 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) - A Survey on Complex Question Answering over Knowledge Base: Recent
Advances and Challenges [71.4531144086568]
知識ベース(KB)に対する質問回答(QA)は、自然言語の質問に自動的に答えることを目的としている。
研究者は、よりKBのトリプルと制約推論を必要とする単純な質問から複雑な質問へと注意を移した。
論文 参考訳(メタデータ) (2020-07-26T07:13:32Z)
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。