論文の概要: Human-in-the-Loop Schema Induction
- arxiv url: http://arxiv.org/abs/2302.13048v1
- Date: Sat, 25 Feb 2023 10:20:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 19:16:04.959671
- Title: Human-in-the-Loop Schema Induction
- Title（参考訳）: human-in-the-loopスキーマの誘導
- Authors: Tianyi Zhang, Isaac Tham, Zhaoyi Hou, Jiaxuan Ren, Liyang Zhou, Hainiu
Xu, Li Zhang, Lara J. Martin, Rotem Dror, Sha Li, Heng Ji, Martha Palmer,
Susan Brown, Reece Suchocki, and Chris Callison-Burch
- Abstract要約: GPT-3を応用した人型ループ型スキーマ誘導システムについて紹介する。
我々のシステムは,従来のアプローチよりも容易に新しいドメインに移行できるだけでなく,インタラクティブなインターフェースによって人為的なキュレーションの労力を減らすことも示している。
- 参考スコア（独自算出の注目度）: 54.80723761506746
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Schema induction builds a graph representation explaining how events unfold
in a scenario. Existing approaches have been based on information retrieval
(IR) and information extraction(IE), often with limited human curation. We
demonstrate a human-in-the-loop schema induction system powered by GPT-3. We
first describe the different modules of our system, including prompting to
generate schematic elements, manual edit of those elements, and conversion of
those into a schema graph. By qualitatively comparing our system to previous
ones, we show that our system not only transfers to new domains more easily
than previous approaches, but also reduces efforts of human curation thanks to
our interactive interface.
- Abstract（参考訳）: スキーマインジェクションは、シナリオにおけるイベントの展開方法を説明するグラフ表現を構築する。
既存のアプローチは情報検索(IR)と情報抽出(IE)に基づいており、人間によるキュレーションが限られていることが多い。
GPT-3を応用した人型ループ型スケジューリングシステムについて述べる。
まず最初に,スキーマ要素生成の促進,要素の手動編集,スキーマグラフへの変換など,システムのさまざまなモジュールについて説明した。
システムと従来のシステムとを質的に比較することにより,従来のアプローチよりも容易に新しいドメインに移行できるだけでなく,対話型インターフェースによる人的キュレーションの努力も軽減できることを示した。
関連論文リスト
- Preventing Representational Rank Collapse in MPNNs by Splitting the Computational Graph [9.498398257062641]
複数の有向非巡回グラフ上での操作が常に我々の条件を満たすことを示し、ノードの厳密な部分順序付けを定義することによってそれらを得る提案をする。
我々は、より情報的なノード表現を実現するために、マルチリレーショナルグラフ上での操作の利点を確認する包括的な実験を行う。
論文 参考訳（メタデータ） (2024-09-17T19:16:03Z) - Automatic Discovery of Visual Circuits [66.99553804855931]
本稿では,視覚モデルにおける視覚的概念の認識の基盤となる計算グラフのサブグラフを抽出するスケーラブルな手法について検討する。
提案手法は, モデル出力に因果的に影響を及ぼす回路を抽出し, これらの回路を編集することで, 敵攻撃から大きな事前学習モデルを守ることができることがわかった。
論文 参考訳（メタデータ） (2024-04-22T17:00:57Z) - Generalized Simplicial Attention Neural Networks [22.171364354867723]
我々はGSAN(Generalized Simplicial Attention Neural Networks)を紹介する。
GSANは、マスク付き自己意図層を用いて、単純な複合体に生きるデータを処理する。
これらのスキームは、タスク指向の方法で、連続した順序の隣り合う単純さに関連するデータを組み合わせる方法を学ぶ。
論文 参考訳（メタデータ） (2023-09-05T11:29:25Z) - Open-Domain Hierarchical Event Schema Induction by Incremental Prompting
and Verification [81.17473088621209]
イベントスキーマを,大規模言語モデル(LLM)から導出可能なコモンセンス知識の一形態として扱う。
複雑なイベントグラフの構築を3段階に分割するインクリメンタルなプロンプトおよび検証手法を設計する。
線形化グラフを生成するのにLLMを直接使用するのに比べ、時間関係が7.2%F1、階層関係が31.0%F1の大規模かつ複雑なスキーマを生成することができる。
論文 参考訳（メタデータ） (2023-07-05T01:00:44Z) - Schema-adaptable Knowledge Graph Construction [47.772335354080795]
従来の知識グラフ構築(KGC)アプローチは、通常、事前定義されたスキーマの閉じたセットで静的情報抽出パラダイムに従う。
我々は,スキーマ適応型KGCと呼ばれる新しいタスクを提案する。このタスクは,動的に変化するスキーマグラフに基づいて,再学習せずにエンティティ,リレーション,イベントを継続的に抽出することを目的としている。
論文 参考訳（メタデータ） (2023-05-15T15:06:20Z) - Reinforcement Learning based Path Exploration for Sequential Explainable
Recommendation [57.67616822888859]
強化学習(TMER-RL)を活用した新しい時間的メタパスガイド型説明可能な勧告を提案する。
TMER-RLは, 動的知識グラフ上での動的ユーザ・イテム進化を逐次モデル化するために, 注意機構を持つ連続項目間の強化項目・イテムパスをモデル化する。
2つの実世界のデータセットに対するTMERの大規模な評価は、最近の強いベースラインと比較して最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2021-11-24T04:34:26Z) - Augmented Abstractive Summarization With Document-LevelSemantic Graph [3.0272794341021667]
従来の抽象的手法では、配列からシーケンスへの構造を適用して、モジュールなしで要約を生成する。
セマンティックグラフを用いて生成性能を向上する。
このようなエンティティグラフの情報を活用するために、新しいニューラルデコーダが提示される。
論文 参考訳（メタデータ） (2021-09-13T15:12:34Z) - 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) - Scene Graph Modification Based on Natural Language Commands [90.0662899539489]
グラフやパースツリーのような構造化表現は多くの自然言語処理システムにおいて重要な役割を果たす。
本稿では,新しい利用者の指示に応じて既存のグラフの更新方法を学ぶ必要がある,グラフ修正の新たな課題について考察する。
論文 参考訳（メタデータ） (2020-10-06T10:01:19Z)
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。