論文の概要: LitCQD: Multi-Hop Reasoning in Incomplete Knowledge Graphs with Numeric Literals

• arxiv url: http://arxiv.org/abs/2304.14742v1
• Date: Fri, 28 Apr 2023 10:33:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-01 14:37:14.329419
• Title: LitCQD: Multi-Hop Reasoning in Incomplete Knowledge Graphs with Numeric Literals
• Title（参考訳）: LitCQD: 数値リテラルを用いた不完全知識グラフのマルチホップ推論
• Authors: Caglar Demir, Michel Wiebesiek, Renzhong Lu, Axel-Cyrille Ngonga Ngomo, Stefan Heindorf
• Abstract要約: クエリと知識グラフの両方が数値リテラル値を含むことができる複雑なマルチホップクエリに応答するアプローチであるLitCQDを提案する。 例えば、(1)一定年齢のニューヨーク在住者、(2)ニューヨーク在住者の平均年齢を問うことができる。
• 参考スコア（独自算出の注目度）: 1.1392078130657837
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Most real-world knowledge graphs, including Wikidata, DBpedia, and Yago are incomplete. Answering queries on such incomplete graphs is an important, but challenging problem. Recently, a number of approaches, including complex query decomposition (CQD), have been proposed to answer complex, multi-hop queries with conjunctions and disjunctions on such graphs. However, all state-of-the-art approaches only consider graphs consisting of entities and relations, neglecting literal values. In this paper, we propose LitCQD -- an approach to answer complex, multi-hop queries where both the query and the knowledge graph can contain numeric literal values: LitCQD can answer queries having numerical answers or having entity answers satisfying numerical constraints. For example, it allows to query (1)~persons living in New York having a certain age, and (2)~the average age of persons living in New York. We evaluate LitCQD on query types with and without literal values. To evaluate LitCQD, we generate complex, multi-hop queries and their expected answers on a version of the FB15k-237 dataset that was extended by literal values.
• Abstract（参考訳）: Wikidata、DBpedia、Yagoなどの現実世界の知識グラフは不完全である。 このような不完全なグラフでクエリに応答することは重要だが、難しい問題である。 近年,複雑なクエリ分解(CQD)を含む多くの手法が提案されている。 しかし、最先端のアプローチはすべて、実体と関係からなるグラフのみを考慮し、リテラル値を無視している。 本稿では,クエリと知識グラフの両方が数値リテラル値を含むことが可能な,複雑なマルチホップクエリへの応答手法であるlitcqdを提案する。 例えば、(1)特定の年齢のニューヨークに住む人、(2)ニューヨークに住む人の平均年齢を問うことができる。 litcqdをリテラル値の有無に関わらずクエリ型で評価する。 litcqdを評価するために、リテラル値によって拡張されたfb15k-237データセットのバージョンで、複雑なマルチホップクエリとそれらの期待応答を生成する。

関連論文リスト

• HOLMES: Hyper-Relational Knowledge Graphs for Multi-hop Question Answering using LLMs [9.559336828884808]
  大規模言語モデル(LLM)は、単純な(シングルホップ)質問に答えるには適しています。 質問の複雑さが増すにつれて、LLMの性能は低下する。 最近の手法では、構造化知識三重項を原文に組み込むことで、この負担を軽減しようとしている。 本稿では,知識グラフ(KG)を用いてコンテキスト認識し,クエリ関連情報を含むように蒸留する手法を提案する。
  論文  参考訳（メタデータ） (2024-06-10T05:22:49Z)
• Meta Operator for Complex Query Answering on Knowledge Graphs [58.340159346749964]
  我々は、異なる複雑なクエリタイプではなく、異なる論理演算子型が一般化性を向上させる鍵であると主張する。 本稿では,メタ演算子を限られたデータで学習し,様々な複雑なクエリの演算子のインスタンスに適応するメタ学習アルゴリズムを提案する。 実験結果から,メタオペレータの学習は,従来のCQAモデルやメタCQAモデルよりも効果的であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-15T08:54:25Z)
• Knowledge Graph Reasoning over Entities and Numerical Values [48.67312700426019]
  数値属性値を含むクエリを記述するために,新しい数値変数と演算を導入する。 また、エンティティと数値を別のエンコード構造に符号化するためのNRN(Number Reasoning Network)のフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-02T09:46:29Z)
• Semantic Parsing for Conversational Question Answering over Knowledge Graphs [63.939700311269156]
  本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。 本稿では,2つの意味解析手法を提案し,その課題を強調した。 私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
  論文  参考訳（メタデータ） (2023-01-28T14:45:11Z)
• Query2Particles: Knowledge Graph Reasoning with Particle Embeddings [49.64006979045662]
  本稿では,知識グラフにエッジを欠いた複雑な論理的クエリに応答するクエリ埋め込み手法を提案する。 回答エンティティは、エンティティの埋め込みとクエリの埋め込みの類似性に応じて選択される。 埋め込み空間上の様々な領域から多様な回答を検索するために,複雑なKGクエリ応答方法Q2Pを提案する。
  論文  参考訳（メタデータ） (2022-04-27T11:16:08Z)
• ConditionalQA: A Complex Reading Comprehension Dataset with Conditional Answers [93.55268936974971]
  条件付き回答を含む複雑な質問を含む質問回答データセットについて述べる。 このデータセットを ConditionalQA と呼びます。 本稿では,既存のQAモデルの多く,特に回答条件の選択において,ConditionalQAは困難であることを示す。
  論文  参考訳（メタデータ） (2021-10-13T17:16:46Z)
• A Knowledge-based Approach for Answering Complex Questions in Persian [0.0]
  ペルシャ語における複雑な質問に答えるための知識に基づくアプローチを提案する。 対応可能な論理形式の集合を構築することで,多制約および多ホップ問題を扱う。 質問に対する答えは、知識グラフから抽出された論理形式への答えから作られる。
  論文  参考訳（メタデータ） (2021-07-05T14:01:43Z)
• PeCoQ: A Dataset for Persian Complex Question Answering over Knowledge Graph [0.0]
  本稿では,ペルシャ語質問応答のためのデータセットである textitPeCoQ を紹介する。 このデータセットには、ペルシャの知識グラフであるFarsBaseから抽出された1万の複雑な質問と回答が含まれている。 データセットには、マルチリレーション、マルチエンタリティ、順序性、時間的制約など、さまざまな種類の複雑さがある。
  論文  参考訳（メタデータ） (2021-06-27T08:21:23Z)
• Query Embedding on Hyper-relational Knowledge Graphs [0.4779196219827507]
  マルチホップ論理推論は知識グラフ上の表現学習の分野で確立された問題である。 我々はマルチホップ推論問題をハイパーリレーショナルなKGに拡張し、この新しいタイプの複雑なクエリに対処する。
  論文  参考訳（メタデータ） (2021-06-15T14:08:50Z)
• Open Question Answering over Tables and Text [55.8412170633547]
  オープンな質問応答(QA)では、質問に対する回答は、質問に対する回答を含む可能性のある文書を検索して分析することによって生成される。 ほとんどのオープンQAシステムは、構造化されていないテキストからのみ情報を取得することを検討している。 我々は,このタスクの性能を評価するために,新しい大規模データセット Open Table-and-Text Question Answering (OTT-QA) を提案する。
  論文  参考訳（メタデータ） (2020-10-20T16:48:14Z)

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。