論文の概要: GE-Blender: Graph-Based Knowledge Enhancement for Blender

• arxiv url: http://arxiv.org/abs/2301.12850v1
• Date: Mon, 30 Jan 2023 13:00:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-31 14:50:38.007567
• Title: GE-Blender: Graph-Based Knowledge Enhancement for Blender
• Title（参考訳）: GE-Blender: Blenderのグラフベースの知識強化
• Authors: Xiaolei Lian and Xunzhu Tang and Yue Wang
• Abstract要約: 見えないエンティティは対話生成タスクに大きな影響を与える可能性がある。 我々は、エンティティノードを抽出してグラフを構築し、コンテキストの表現を強化する。 未確認のエンティティがグラフに存在しない問題を適用するために、名前付きエンティティタグ予測タスクを追加します。
• 参考スコア（独自算出の注目度）: 3.8841367260456487
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although the great success of open-domain dialogue generation, unseen entities can have a large impact on the dialogue generation task. It leads to performance degradation of the model in the dialog generation. Previous researches used retrieved knowledge of seen entities as the auxiliary data to enhance the representation of the model. Nevertheless, logical explanation of unseen entities remains unexplored, such as possible co-occurrence or semantically similar words of them and their entity category. In this work, we propose an approach to address the challenge above. We construct a graph by extracting entity nodes in them, enhancing the representation of the context of the unseen entity with the entity's 1-hop surrounding nodes. Furthermore, We added the named entity tag prediction task to apply the problem that the unseen entity does not exist in the graph. We conduct our experiments on an open dataset Wizard of Wikipedia and the empirical results indicate that our approach outperforms the state-of-the-art approaches on Wizard of Wikipedia.
• Abstract（参考訳）: オープンドメインダイアログ生成の大きな成功にもかかわらず、見えないエンティティは対話生成タスクに大きな影響を与える可能性がある。 これはダイアログ生成におけるモデルのパフォーマンス低下につながります。 これまでの研究では、モデル表現を強化する補助データとして、見受けられた実体の知識を用いた。 それにもかかわらず、未発見の実体の論理的説明は、それらとその実体のカテゴリーの共起や意味的に類似した単語など、未解明のままである。 本稿では,上記の課題に対処するためのアプローチを提案する。 我々は、エンティティノードを抽出してグラフを構築し、エンティティの1-hop周辺のノードで、見えないエンティティのコンテキストの表現を強化する。 さらに,未知のエンティティがグラフに存在しないという問題を適用するために,名前付きエンティティタグ予測タスクを追加した。 我々はウィキペディアのウィザードのオープンデータセット上で実験を行い、その実験結果から、ウィキペディアのウィザードの最先端のアプローチよりも優れた結果が得られた。

関連論文リスト

• Web-Scale Visual Entity Recognition: An LLM-Driven Data Approach [56.55633052479446]
  Webスケールのビジュアルエンティティ認識は、クリーンで大規模なトレーニングデータがないため、重大な課題を呈している。 本稿では,ラベル検証,メタデータ生成,合理性説明に多モーダル大言語モデル(LLM)を活用することによって,そのようなデータセットをキュレートする新しい手法を提案する。 実験により、この自動キュレートされたデータに基づいてトレーニングされたモデルは、Webスケールの視覚的エンティティ認識タスクで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2024-10-31T06:55:24Z)
• Hypergraph based Understanding for Document Semantic Entity Recognition [65.84258776834524]
  我々は,ハイパグラフアテンションを利用したハイパグラフアテンション文書セマンティックエンティティ認識フレームワークHGAを構築し,エンティティ境界とエンティティカテゴリを同時に重視する。 FUNSD, CORD, XFUNDIE で得られた結果は,本手法が意味的エンティティ認識タスクの性能を効果的に向上できることを示す。
  論文  参考訳（メタデータ） (2024-07-09T14:35:49Z)
• A Generative Approach for Wikipedia-Scale Visual Entity Recognition [56.55633052479446]
  与えられたクエリ画像をWikipediaにある600万の既存エンティティの1つにマッピングするタスクに対処する。 本稿では,対象エンティティを識別する「意味的・識別的コード」の自動復号化を学習する,新しい生成エンティティ認識フレームワークを紹介する。
  論文  参考訳（メタデータ） (2024-03-04T13:47:30Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• Type-supervised sequence labeling based on the heterogeneous star graph for named entity recognition [6.25916397918329]
  本稿では,テキストノードとタイプノードを含む異種星グラフの表現学習について述べる。 モデルは、グラフ内のノードを更新した後、タイプ管理シーケンスラベリングを実行する。 NERデータセットの公開実験により、フラットなエンティティとネストされたエンティティの両方を抽出する際のモデルの有効性が明らかとなった。
  論文  参考訳（メタデータ） (2022-10-19T01:40:06Z)
• Entity Linking and Discovery via Arborescence-based Supervised Clustering [35.93568319872986]
  本稿では,言及親和性を完全に活用する新しいトレーニングと推論手法を提案する。 我々は,この手法がエンティティ発見に優雅に拡張されていることを示す。 我々はZero-Shot Entity LinkingデータセットとMedMentionsに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-09-02T23:05:58Z)
• KGSynNet: A Novel Entity Synonyms Discovery Framework with Knowledge Graph [23.053995137917994]
  emphKGSynNetという新しいエンティティ同義語発見フレームワークを提案する。 具体的には、大規模なドメイン固有コーパスを用いて、参照やエンティティのサブワード埋め込みを事前訓練する。 固有設計のエンフュージョンゲートを用いて、エンティティの知識情報をセマンティックな特徴に適応的に吸収する。
  論文  参考訳（メタデータ） (2021-03-16T07:32:33Z)
• Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
  グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。 本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
  論文  参考訳（メタデータ） (2021-01-16T16:18:43Z)
• Mining Knowledge Graphs From Incident Reports [3.3395585414528663]
  顧客から提出されたインシデント報告は、診断や緩和が簡単でないとほとんど構造化されていない。 我々は、共起エンティティペアからバイナリエンティティ関係を抽出し、スコアするアプローチを提案する。 知識グラフを自動的に構築し、グラフ内の暗黙の知識が、異なるインシデントに対する関連エンティティのランク付けに使用できることを示す。
  論文  参考訳（メタデータ） (2021-01-15T04:15:26Z)
• Context-Enhanced Entity and Relation Embedding for Knowledge Graph Completion [2.580765958706854]
  マルチホップにおけるエンティティコンテキストと関係コンテキストの効率的な集約を行うモデルAggrEを提案する。 実験の結果、AggrEは既存のモデルと競合していることがわかった。
  論文  参考訳（メタデータ） (2020-12-13T09:20:42Z)
• ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
  実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。 我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。 本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
  論文  参考訳（メタデータ） (2020-04-30T14:16:19Z)

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。