論文の概要: KG-ECO: Knowledge Graph Enhanced Entity Correction for Query Rewriting
- arxiv url: http://arxiv.org/abs/2302.10454v2
- Date: Wed, 22 Feb 2023 21:19:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-24 11:58:46.461495
- Title: KG-ECO: Knowledge Graph Enhanced Entity Correction for Query Rewriting
- Title(参考訳): KG-ECO: クエリ書き換えのための知識グラフ強化エンティティ補正
- Authors: Jinglun Cai, Mingda Li, Ziyan Jiang, Eunah Cho, Zheng Chen, Yang Liu,
Xing Fan, Chenlei Guo
- Abstract要約: 本稿では,KG-ECO: Knowledge Graphによるクエリ書き換えのためのEntity Correctionの強化を提案する。
モデルの性能を向上させるため,我々は知識グラフ(KG)を組み込んでエンティティ構造情報を提供する。
実験結果から,本手法は2つのベースラインに対して明らかな性能向上をもたらすことが示された。
- 参考スコア(独自算出の注目度): 15.243664083941287
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Query Rewriting (QR) plays a critical role in large-scale dialogue systems
for reducing frictions. When there is an entity error, it imposes extra
challenges for a dialogue system to produce satisfactory responses. In this
work, we propose KG-ECO: Knowledge Graph enhanced Entity COrrection for query
rewriting, an entity correction system with corrupt entity span detection and
entity retrieval/re-ranking functionalities. To boost the model performance, we
incorporate Knowledge Graph (KG) to provide entity structural information
(neighboring entities encoded by graph neural networks) and textual information
(KG entity descriptions encoded by RoBERTa). Experimental results show that our
approach yields a clear performance gain over two baselines: utterance level QR
and entity correction without utilizing KG information. The proposed system is
particularly effective for few-shot learning cases where target entities are
rarely seen in training or there is a KG relation between the target entity and
other contextual entities in the query.
- Abstract(参考訳): クエリ書き換え(QR)は、摩擦を減らすために大規模な対話システムにおいて重要な役割を果たす。
エンティティエラーが発生した場合、対話システムが満足のいく応答を生成するために追加の課題を課す。
本稿では,KG-ECOを提案する。クエリ書き換えのための知識グラフの拡張エンティティコレクション,エンティティスパン検出とエンティティ検索/再ランク機能を備えたエンティティ訂正システム。
モデル性能を向上させるため,我々は知識グラフ(KG)を組み込んで,エンティティ構造情報(グラフニューラルネットワークで符号化されたエンティティ)とテキスト情報(RoBERTaで符号化されたKGエンティティ記述)を提供する。
実験の結果, kg情報を用いずに発話レベルqrとエンティティ補正の2つの基準に対して, 性能向上効果が得られた。
提案システムは,学習においてターゲットエンティティがほとんど見られない場合や,クエリ内のターゲットエンティティと他のコンテキストエンティティとの間にKG関係が存在する場合において,特に有効である。
関連論文リスト
- How to Mitigate Information Loss in Knowledge Graphs for GraphRAG: Leveraging Triple Context Restoration and Query-Driven Feedback [12.250007669492753]
本稿では,Triple Context RestorationとQuery-driven Feedbackフレームワークを提案する。
情報損失を軽減するために、各トリプルの基盤となるテキストコンテキストを再構築する。
Exact Matchの29.1%の改善とF1の15.5%の改善を実現している。
論文 参考訳(メタデータ) (2025-01-26T03:27:11Z) - KG-Retriever: Efficient Knowledge Indexing for Retrieval-Augmented Large Language Models [38.93603907879804]
KG-Retrieverと呼ばれる階層的な知識検索機能を備えた新しい知識グラフベースのRAGフレームワークを提案する。
グラフ構造の結合性は、ドキュメント内およびドキュメント間接続性を強化するために完全に活用されている。
近隣の文書からの粗粒度の協調情報と知識グラフからの簡潔な情報により、KG-Retrieverは5つの公開QAデータセットに対して顕著な改善を達成している。
論文 参考訳(メタデータ) (2024-12-07T05:49:14Z) - Multi-perspective Improvement of Knowledge Graph Completion with Large
Language Models [95.31941227776711]
我々は,文脈知識の不足を補うMPIKGCを提案し,大規模言語モデル(LLM)をクエリすることでKGCを改善する。
我々は4つの記述に基づくKGCモデルと4つのデータセットに基づくフレームワークの広範囲な評価を行い、リンク予測とトリプルト分類のタスクについて検討した。
論文 参考訳(メタデータ) (2024-03-04T12:16:15Z) - Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems [58.561904356651276]
本稿では,対話型推薦システムのためのエンティティの意味理解を改善するために,知識強化型エンティティ表現学習(KERL)フレームワークを紹介する。
KERLは知識グラフと事前訓練された言語モデルを使用して、エンティティの意味的理解を改善する。
KERLはレコメンデーションとレスポンス生成の両方のタスクで最先端の結果を達成する。
論文 参考訳(メタデータ) (2023-12-18T06:41:23Z) - UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question
Answering Over Knowledge Graph [89.98762327725112]
KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。
我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
論文 参考訳(メタデータ) (2022-12-02T04:08:09Z) - Query-Specific Knowledge Graphs for Complex Finance Topics [6.599344783327053]
ドメインの専門家が挑戦的な質問を作成できるCODECデータセットに重点を置いています。
最先端のランキングシステムには改善の余地があることが示される。
実体と文書の関連性は正の相関関係にあることを示す。
論文 参考訳(メタデータ) (2022-11-08T10:21:13Z) - Explainable Sparse Knowledge Graph Completion via High-order Graph
Reasoning Network [111.67744771462873]
本稿では,スパース知識グラフ(KG)のための新しい説明可能なモデルを提案する。
高次推論をグラフ畳み込みネットワーク、すなわちHoGRNに結合する。
情報不足を緩和する一般化能力を向上させるだけでなく、解釈可能性も向上する。
論文 参考訳(メタデータ) (2022-07-14T10:16:56Z) - Improving Conversational Recommendation Systems' Quality with
Context-Aware Item Meta Information [42.88448098873448]
対話レコメンデーションシステム(CRS)は,対話履歴からユーザの好みを推測することでユーザと対話する。
従来のCRSでは、知識グラフ(KG)ベースのレコメンデーションモジュールを使用し、応答生成のための言語モデルとKGを統合する。
本稿では,事前学習言語モデル(PLM)と項目メタデータエンコーダを組み合わせた,シンプルで効果的なアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-12-15T14:12:48Z) - Probing Linguistic Features of Sentence-Level Representations in Neural
Relation Extraction [80.38130122127882]
ニューラルリレーション抽出(RE)に関連する言語特性を対象とした14の探索タスクを導入する。
私たちは、40以上の異なるエンコーダアーキテクチャと2つのデータセットでトレーニングされた言語的特徴の組み合わせによって学習された表現を研究するためにそれらを使用します。
アーキテクチャによって引き起こされるバイアスと言語的特徴の含意は、探索タスクのパフォーマンスにおいて明らかに表現されている。
論文 参考訳(メタデータ) (2020-04-17T09:17:40Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳(メタデータ) (2020-03-28T05:47:33Z)
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。