論文の概要: A Probabilistic-Logic based Commonsense Representation Framework for
Modelling Inferences with Multiple Antecedents and Varying Likelihoods
- arxiv url: http://arxiv.org/abs/2211.16822v1
- Date: Wed, 30 Nov 2022 08:44:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 16:50:38.423373
- Title: A Probabilistic-Logic based Commonsense Representation Framework for
Modelling Inferences with Multiple Antecedents and Varying Likelihoods
- Title（参考訳）: 確率論的論理に基づく多元的推論と変数同型推論のためのコモンセンス表現フレームワーク
- Authors: Shantanu Jaiswal, Liu Yan, Dongkyu Choi, Kenneth Kwok
- Abstract要約: コモンセンス・ナレッジグラフ(英: Commonsense knowledge-graphs、CKG)は、テキストや環境入力で「推論」でき、知覚を超えた推論ができる機械を構築するための重要なリソースである。
本研究は,コモンセンス知識の表現方法として, (i) 複合的推論知識をモデル化し,様々な可能性で概念的信念を表現するための確率論的論理表現スキーム, (ii) 健全な概念関連関係を同定し,異なる概念レベルで信念を整理する階層的概念オントロジーを取り入れることにより, コモンセンス知識をより良く表現することができるかを検討する。
- 参考スコア（独自算出の注目度）: 5.87677276882675
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Commonsense knowledge-graphs (CKGs) are important resources towards building
machines that can 'reason' on text or environmental inputs and make inferences
beyond perception. While current CKGs encode world knowledge for a large number
of concepts and have been effectively utilized for incorporating commonsense in
neural models, they primarily encode declarative or single-condition
inferential knowledge and assume all conceptual beliefs to have the same
likelihood. Further, these CKGs utilize a limited set of relations shared
across concepts and lack a coherent knowledge organization structure resulting
in redundancies as well as sparsity across the larger knowledge graph.
Consequently, today's CKGs, while useful for a first level of reasoning, do not
adequately capture deeper human-level commonsense inferences which can be more
nuanced and influenced by multiple contextual or situational factors.
Accordingly, in this work, we study how commonsense knowledge can be better
represented by -- (i) utilizing a probabilistic logic representation scheme to
model composite inferential knowledge and represent conceptual beliefs with
varying likelihoods, and (ii) incorporating a hierarchical conceptual ontology
to identify salient concept-relevant relations and organize beliefs at
different conceptual levels. Our resulting knowledge representation framework
can encode a wider variety of world knowledge and represent beliefs flexibly
using grounded concepts as well as free-text phrases. As a result, the
framework can be utilized as both a traditional free-text knowledge graph and a
grounded logic-based inference system more suitable for neuro-symbolic
applications. We describe how we extend the PrimeNet knowledge base with our
framework through crowd-sourcing and expert-annotation, and demonstrate its
application for more interpretable passage-based semantic parsing and question
answering.
- Abstract（参考訳）: コモンセンス・ナレッジグラフ(英: Commonsense knowledge-graphs、CKG)は、テキストや環境の入力に基づいて推論を行う機械を構築するための重要なリソースである。
現在のCKGは世界知識を多数の概念にエンコードし、ニューラルモデルにコモンセンスを組み込むために効果的に活用されているが、主に宣言的または単一条件推論の知識をエンコードし、すべての概念的信念が同じ可能性を持つと仮定している。
さらに、これらのCKGは概念間で共有される限定的な関係を利用し、一貫性のある知識構造が欠如し、冗長性やより大きな知識グラフ間の疎性をもたらす。
したがって、今日のCKGは第一段階の推論に有用であるが、よりニュアンスが高く、複数の状況要因や状況要因の影響を受けやすい、より深い人間レベルのコモンセンス推論を適切に捉えていない。
そこで本研究では,常識知識を--で表現する方法について検討する。
(i)確率論的論理表現スキームを利用して複合的推論知識をモデル化し、様々な可能性で概念的信念を表現する。
二 階層的な概念オントロジーを取り入れて、健全な概念関連関係を特定し、異なる概念レベルで信念を組織化する。
得られた知識表現フレームワークは、幅広い世界知識をエンコードし、基礎概念や自由文句を用いて柔軟に信念を表現することができる。
結果として、このフレームワークは、従来のフリーテキストの知識グラフと、神経シンボリックなアプリケーションに適した基底論理に基づく推論システムの両方として利用できる。
我々は、クラウドソーシングとエキスパートアノテーションを通じて、PrimeNetの知識ベースを我々のフレームワークにどのように拡張するかを説明し、より解釈可能なパスベースの意味解析と質問応答への応用を実証する。
関連論文リスト
- Reasoning about concepts with LLMs: Inconsistencies abound [13.042591838719936]
大きな言語モデル(LLM)は、しばしばその知識に重大な矛盾を示し、示す。
特に,多種多種多種多種多様のLCMの軽量化を図り,その性能を著しく向上させることができた。
論文 参考訳（メタデータ） (2024-05-30T15:38:54Z) - COPEN: Probing Conceptual Knowledge in Pre-trained Language Models [60.10147136876669]
概念的知識は人間の認知と知識基盤の基本である。
既存の知識探索作業は、事前訓練された言語モデル(PLM)の事実知識のみに焦点を当て、概念知識を無視する。
PLMが概念的類似性によってエンティティを編成し、概念的特性を学習し、コンテキスト内でエンティティを概念化するかどうかを調査する3つのタスクを設計する。
タスクのために、393のコンセプトをカバーする24kのデータインスタンスを収集、注釈付けします。
論文 参考訳（メタデータ） (2022-11-08T08:18:06Z) - Understanding Substructures in Commonsense Relations in ConceptNet [8.591839265985412]
本稿では,教師なし知識グラフ表現学習とクラスタリングに基づく手法を提案する。
以上の結果から,コンセプションネットに「公式」定義があるにもかかわらず,これらのコモンセンス関係の多くは,相当なサブ構造を持つことが明らかとなった。
したがって、将来的には、そのような関係はより洗練された定義を持つ他の関係に細分化される可能性がある。
論文 参考訳（メタデータ） (2022-10-03T22:59:07Z) - Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。
ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
論文 参考訳（メタデータ） (2022-06-03T12:24:49Z) - Knowledge Graph Augmented Network Towards Multiview Representation
Learning for Aspect-based Sentiment Analysis [96.53859361560505]
本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。
KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。
3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
論文 参考訳（メタデータ） (2022-01-13T08:25:53Z) - Contextualized Knowledge-aware Attentive Neural Network: Enhancing
Answer Selection with Knowledge [77.77684299758494]
ナレッジグラフ(KG)による外部知識による回答選択モデル向上のアプローチを幅広く検討しています。
まず、KGの外部知識とテキスト情報との密接な相互作用を考慮し、QA文表現を学習するコンテキスト知識相互作用学習フレームワークであるナレッジアウェアニューラルネットワーク(KNN)を紹介します。
KG情報の多様性と複雑性に対処するために, カスタマイズされたグラフ畳み込みネットワーク (GCN) を介して構造情報を用いた知識表現学習を改善し, コンテキストベースおよび知識ベースの文表現を総合的に学習する コンテキスト型知識認識型アテンシブニューラルネットワーク (CKANN) を提案する。
論文 参考訳（メタデータ） (2021-04-12T05:52:20Z) - A Data-Driven Study of Commonsense Knowledge using the ConceptNet
Knowledge Base [8.591839265985412]
汎用人工知能(AI)の実現における重要なフロンティアとして,コモンセンス知識と推論の獲得が認められている。
本稿では,コンセプションネットの知識基盤を実証的かつ構造的に分析することにより,コモンセンス知識のより深い理解を可能にする体系的な研究を提案し,実施する。
最先端の教師なしグラフ表現学習(「埋め込み」)とクラスタリング技術を用いて、慎重に設計された3つの研究課題に関する詳細な実験結果から、ConceptNet関係の深いサブ構造を明らかにする。
論文 参考訳（メタデータ） (2020-11-28T08:08:25Z) - Expressiveness and machine processability of Knowledge Organization
Systems (KOS): An analysis of concepts and relations [0.0]
各知識組織システムの表現性と機械処理性の両方の可能性は、その構造規則によって広範囲に規制されている。
オントロジーは多種多様な関係を明示的に定義し、その性質上機械処理可能である。
論文 参考訳（メタデータ） (2020-03-11T12:35:52Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z) - On the Role of Conceptualization in Commonsense Knowledge Graph
Construction [59.39512925793171]
アトミックやASERのような常識知識グラフ(CKG)は、従来のKGと大きく異なる。
本稿では, CKG の概念化手法を紹介し, テキストに記述されたエンティティを特定の概念のインスタンスとみなすか, あるいはその逆を例に紹介する。
提案手法は, 可塑性三重項を効果的に同定し, 新たなノードの3重項と, 多様性と新規性の両端項によってKGを拡張できる。
論文 参考訳（メタデータ） (2020-03-06T14:35:20Z)
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。