論文の概要: Conversational Semantic Parsing using Dynamic Context Graphs
- arxiv url: http://arxiv.org/abs/2305.06164v1
- Date: Thu, 4 May 2023 16:04:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-14 20:46:06.194538
- Title: Conversational Semantic Parsing using Dynamic Context Graphs
- Title(参考訳): 動的コンテキストグラフを用いた会話意味解析
- Authors: Parag Jain and Mirella Lapata
- Abstract要約: 汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。
対話履歴の文脈において、ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルの開発に興味がある。
我々のキーとなるアイデアは、音声とそのコンテキストに関する情報を、動的に生成されるサブグラフを通じて表現することである。
- 参考スコア(独自算出の注目度): 79.48882899104997
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper we consider the task of conversational semantic parsing over
general purpose knowledge graphs (KGs) with millions of entities, and thousands
of relation-types. We are interested in developing models capable of
interactively mapping user utterances into executable logical forms (e.g.,
SPARQL) in the context of the conversational history. Our key idea is to
represent information about an utterance and its context via a subgraph which
is created dynamically, i.e., the number of nodes varies per utterance.
Moreover, rather than treating the subgraph as a sequence we exploit its
underlying structure, and thus encode it using a graph neural network which
further allows us to represent a large number of (unseen) nodes. Experimental
results show that modeling context dynamically is superior to static
approaches, delivering performance improvements across the board (i.e., for
simple and complex questions). Our results further confirm that modeling the
structure of context is better at processing discourse information, (i.e., at
handling ellipsis and resolving coreference) and longer interactions.
- Abstract(参考訳): 本稿では,数百万のエンティティと何千もの関係型を持つ汎用知識グラフ(KG)を用いた会話意味解析の課題について考察する。
対話履歴のコンテキストにおいて、ユーザ発話を実行可能な論理形式(例えば、SPARQL)にインタラクティブにマッピングできるモデルの開発に興味があります。
私たちの重要なアイデアは、発話とその文脈に関する情報を、動的に生成されたサブグラフ、すなわち発話毎にノード数が異なることを通して表現することにあります。
さらに、サブグラフをシーケンスとして扱うのではなく、基盤となる構造を利用して、グラフニューラルネットワークを使ってエンコードすることで、多数の(見えない)ノードを表現できます。
実験の結果、動的にモデリングされたコンテキストは静的なアプローチよりも優れており、ボード全体でパフォーマンスが改善されている(単純で複雑な質問)。
さらに, 文脈構造をモデル化することで, 会話情報(すなわち, ellipsis の処理やコリファレンスの解決)やより長い相互作用の処理が容易になることを確認した。
関連論文リスト
- Integrating Large Language Models with Graph-based Reasoning for Conversational Question Answering [58.17090503446995]
我々は,テキストや知識グラフ,テーブル,インフォボックスといった異質な情報源から収集された証拠について,文脈における質問の理解と推論の課題を組み合わせた会話型質問応答タスクに着目する。
提案手法はグラフ構造表現を用いて質問とその文脈に関する情報を集約する。
論文 参考訳(メタデータ) (2024-06-14T13:28:03Z) - Evaluating Large Language Models in Semantic Parsing for Conversational
Question Answering over Knowledge Graphs [6.869834883252353]
本稿では,この課題に対して事前訓練を受けていない大規模言語モデルの性能を評価する。
その結果,大規模言語モデルでは対話からグラフクエリを生成することができることがわかった。
論文 参考訳(メタデータ) (2024-01-03T12:28:33Z) - Semantic Parsing for Question Answering over Knowledge Graphs [3.10647754288788]
本稿では,知識グラフ上での質問応答のためのグラフ・ツー・セグメンテーション・マッピングを用いた新しい手法を提案する。
この手法は、これらの発話を解釈するための重要なアプローチである意味解析に焦点を当てている。
我々のフレームワークはルールベースとニューラルベースを組み合わせて意味セグメントのシーケンスを解析・構築する。
論文 参考訳(メタデータ) (2023-12-01T20:45:06Z) - Controlling Topic-Focus Articulation in Meaning-to-Text Generation using
Graph Neural Networks [8.334427140256606]
グラフニューラルモデルを用いたトピック・フォーカス調音法(TFA)の3つの異なる手法を試行する。
グラフニューラルモデルにおけるノードアグリゲーションに関する新しい符号化手法を提案する。これは、隣接ノード情報を集約することで従来の符号化ではなく、深さ優先探索を用いてノード表現を学習する。
論文 参考訳(メタデータ) (2023-10-03T13:51:01Z) - Enhancing Dialogue Generation via Dynamic Graph Knowledge Aggregation [23.54754465832362]
従来のグラフニューラルネットワーク(GNN)では、グラフに渡すメッセージはテキストとは独立している。
このトレーニング体制は、グラフ知識とテキストの間に意味的なギャップをもたらす。
知識グラフ強化対話生成のための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-06-28T13:21:00Z) - Scene Graph Modification as Incremental Structure Expanding [61.84291817776118]
本研究では,既存のシーングラフを自然言語クエリに基づいて更新する方法を学習するために,シーングラフ修正(SGM)に注目した。
インクリメンタル構造拡張(ISE)の導入によるグラフ拡張タスクとしてのSGM
既存のデータセットよりも複雑なクエリと大きなシーングラフを含む、挑戦的なデータセットを構築します。
論文 参考訳(メタデータ) (2022-09-15T16:26:14Z) - 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) - A Graph-based Interactive Reasoning for Human-Object Interaction
Detection [71.50535113279551]
本稿では,HOIを推論するインタラクティブグラフ(Interactive Graph, in-Graph)という,グラフに基づくインタラクティブ推論モデルを提案する。
In-GraphNet と呼ばれる HOI を検出するための新しいフレームワークを構築した。
私たちのフレームワークはエンドツーエンドのトレーニングが可能で、人間のポーズのような高価なアノテーションはありません。
論文 参考訳(メタデータ) (2020-07-14T09:29:03Z) - Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。
グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
論文 参考訳(メタデータ) (2020-04-05T13:09:37Z)
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。