論文の概要: VER: Learning Natural Language Representations for Verbalizing Entities and Relations

• arxiv url: http://arxiv.org/abs/2211.11093v1
• Date: Sun, 20 Nov 2022 21:50:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 17:44:26.591182
• Title: VER: Learning Natural Language Representations for Verbalizing Entities and Relations
• Title（参考訳）: VER: 言語表現を学習してエンティティと関係を言語化する
• Authors: Jie Huang, Kevin Chen-Chuan Chang
• Abstract要約: 本稿では,エンティティとリレーショナルを言語化する統一モデルVERを提案する。 本稿では,任意のエンティティやエンティティを入力として取り込んで,エンティティや関係を表現する文を生成するシステムの構築を試みる。
• 参考スコア（独自算出の注目度）: 11.35055307348939
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entities and relationships between entities are vital in the real world. Essentially, we understand the world by understanding entities and relations. For instance, to understand a field, e.g., computer science, we need to understand the relevant concepts, e.g., machine learning, and the relationships between concepts, e.g., machine learning and artificial intelligence. To understand a person, we should first know who he/she is and how he/she is related to others. To understand entities and relations, humans may refer to natural language descriptions. For instance, when learning a new scientific term, people usually start by reading its definition in dictionaries or encyclopedias. To know the relationship between two entities, humans tend to create a sentence to connect them. In this paper, we propose VER: A Unified Model for Verbalizing Entities and Relations. Specifically, we attempt to build a system that takes any entity or entity set as input and generates a sentence to represent entities and relations, named ``natural language representation''. Extensive experiments demonstrate that our model can generate high-quality sentences describing entities and entity relationships and facilitate various tasks on entities and relations, including definition modeling, relation modeling, and generative commonsense reasoning.
• Abstract（参考訳）: 実体と実体の関係は現実世界において不可欠である。 基本的には、実体と関係を理解することによって世界を理解する。 例えば、コンピュータ科学などの分野を理解するためには、機械学習のような関連する概念と、機械学習や人工知能といった概念間の関係を理解する必要がある。 人を理解するには、まず自分が誰で、どのように他人と関係があるかを知る必要がある。 実体と関係を理解するために、人間は自然言語記述を参照することがある。 例えば、新しい科学用語を学ぶとき、人々は辞書や百科事典でその定義を読むことから始める。 2つの実体の関係を知るために、人間はそれらをつなぐ文を作る傾向がある。 本稿では VER: A Unified Model for Verbalizing Entities and Relations を提案する。 具体的には、任意のエンティティまたはエンティティセットを入力として、‘自然言語表現’と呼ばれるエンティティとリレーションを表す文を生成するシステムの構築を試みる。 広範な実験により,我々はエンティティとエンティティの関係を記述した高品質な文を生成でき,定義モデリングや関係モデリング,ジェネレーティブ・コモンセンス推論など,エンティティとリレーションに関する様々なタスクを促進できることを示した。

関連論文リスト

• A Complexity-Based Theory of Compositionality [53.025566128892066]
  AIでは、構成表現は配布外一般化の強力な形式を可能にすることができる。 ここでは、構成性に関する直観を考慮し、拡張する構成性の公式な定義を提案する。 この定義は概念的には単純で量的であり、アルゴリズム情報理論に基礎を置いており、あらゆる表現に適用できる。
  論文  参考訳（メタデータ） (2024-10-18T18:37:27Z)
• Learning Interpretable Concepts: Unifying Causal Representation Learning and Foundation Models [51.43538150982291]
  人間の解釈可能な概念をデータから学習する方法を研究する。 両分野からアイデアをまとめ、多様なデータから概念を確実に回収できることを示す。
  論文  参考訳（メタデータ） (2024-02-14T15:23:59Z)
• Neural Approaches to Entity-Centric Information Extraction [2.8935588665357077]
  テキスト内の情報に対して、根本的に異なるエンティティ中心の視点を導入します。 個々の言及をテキストで意味を理解する代わりに、エンティティの概念の観点で機能するアプリケーションを構築するべきだ、と私たちは主張する。 本研究では,各参照を個別にではなく,コア参照クラスタレベルでエンティティリンクを行うことにより,このタスクを改善することができることを示す。
  論文  参考訳（メタデータ） (2023-04-15T20:07:37Z)
• Learning to Compose Visual Relations [100.45138490076866]
  我々は,各関係を非正規化密度(エネルギーベースモデル)として表現することを提案する。 このような分解を分解することで、複数の関係を持つシーンをより忠実に生成・編集できることを示す。
  論文  参考訳（メタデータ） (2021-11-17T18:51:29Z)
• Compositional Processing Emerges in Neural Networks Solving Math Problems [100.80518350845668]
  人工知能の最近の進歩は、大きなモデルが十分な言語データに基づいて訓練されると、文法構造が表現に現れることを示している。 我々は、この研究を数学的推論の領域にまで拡張し、どのように意味を構成するべきかについての正確な仮説を定式化することができる。 私たちの研究は、ニューラルネットワークがトレーニングデータに暗黙的に構造化された関係について何かを推測できるだけでなく、個々の意味の合成を合成全体へと導くために、この知識を展開できることを示している。
  論文  参考訳（メタデータ） (2021-05-19T07:24:42Z)
• Towards Abstract Relational Learning in Human Robot Interaction [73.67226556788498]
  人間は環境における実体を豊かに表現する。 ロボットが人間とうまく対話する必要がある場合、同様の方法で実体、属性、一般化を表現する必要がある。 本研究では,人間とロボットの相互作用を通じて,これらの表現をどのように獲得するかという課題に対処する。
  論文  参考訳（メタデータ） (2020-11-20T12:06:46Z)
• Relation/Entity-Centric Reading Comprehension [1.0965065178451106]
  我々は、エンティティとそれらの関係を理解することに焦点を当てて、読書理解について研究する。 自然言語のセマンティクスを表現するために一般的に使用されるため、エンティティと関係に焦点をあてる。
  論文  参考訳（メタデータ） (2020-08-27T06:42:18Z)
• A model of interaction semantics [0.0]
  私は、形式言語のセマンティクスに似た相互作用の意味論のモデルを構築します。 私は、後期ルートヴィヒ・ヴィトゲンシュタインの意味で、キャラクターから概念への「メンタル」マッピングなしにできる相互作用意味論のモデルにたどり着きます。
  論文  参考訳（メタデータ） (2020-07-13T09:22:59Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)

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。