論文の概要: Knowledge Base Question Answering for Space Debris Queries

• arxiv url: http://arxiv.org/abs/2305.19734v1
• Date: Wed, 31 May 2023 10:55:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-01 17:10:00.465486
• Title: Knowledge Base Question Answering for Space Debris Queries
• Title（参考訳）: 宇宙デブリクエリのための知識ベース質問回答
• Authors: Paul Darm, Antonio Valerio Miceli-Barone, Shay B. Cohen, Annalisa Riccardi
• Abstract要約: 本研究では,欧州宇宙機関(ESA)向けに開発され,複雑な自然言語クエリに応答できるシステムを提案する。 本システムは,まず,自然言語質問から % プログラムスケッチと呼ばれる基本データベース操作のシーケンスを生成するパイプラインに基づいている。 このパイプライン分解アプローチにより,GPT-3で生成された領域外データと半合成データを活用することで,システムのトレーニングが可能になる。
• 参考スコア（独自算出の注目度）: 24.37269129187282
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Space agencies execute complex satellite operations that need to be supported by the technical knowledge contained in their extensive information systems. Knowledge bases (KB) are an effective way of storing and accessing such information at scale. In this work we present a system, developed for the European Space Agency (ESA), that can answer complex natural language queries, to support engineers in accessing the information contained in a KB that models the orbital space debris environment. Our system is based on a pipeline which first generates a sequence of basic database operations, called a %program sketch, from a natural language question, then specializes the sketch into a concrete query program with mentions of entities, attributes and relations, and finally executes the program against the database. This pipeline decomposition approach enables us to train the system by leveraging out-of-domain data and semi-synthetic data generated by GPT-3, thus reducing overfitting and shortcut learning even with limited amount of in-domain training data. Our code can be found at \url{https://github.com/PaulDrm/DISCOSQA}.
• Abstract（参考訳）: 宇宙機関は、広範な情報システムに含まれる技術知識によって支援される必要がある複雑な衛星運用を実行する。 知識ベース(KB)は、そのような情報を大規模に保存し、アクセスするための効果的な方法である。 本研究では,欧州宇宙機関 (ESA) 向けに開発され,複雑な自然言語クエリに応答し,軌道上の宇宙デブリ環境をモデル化するKBに含まれる情報にアクセスするエンジニアを支援するシステムを提案する。 本システムでは,まず自然言語質問から%プログラムスケッチと呼ばれる基本データベース操作列を生成し,そのスケッチをエンティティや属性,関係を言及した具体的なクエリプログラムに特殊化し,最後にデータベースに対してプログラムを実行する。 このパイプライン分割アプローチにより,gpt-3で生成された領域外データと半合成データを活用することで,ドメイン内トレーニングデータの少ない量でも過剰フィッティングやショートカット学習を低減できる。 我々のコードは \url{https://github.com/PaulDrm/DISCOSQA} にある。

関連論文リスト

• The S2 Hierarchical Discrete Global Grid as a Nexus for Data Representation, Integration, and Querying Across Geospatial Knowledge Graphs [4.358099505067763]
  本稿では,KnowWhereGraphにおけるGoogleのS2幾何の実装について概説する。 最終的にこの研究は、スケーラブルなGeoKGを構築するためのDGGSフレームワーク、特にS2の可能性を示している。
  論文  参考訳（メタデータ） (2024-10-18T18:30:05Z)
• Developing PUGG for Polish: A Modern Approach to KBQA, MRC, and IR Dataset Construction [43.045596895389345]
  KBQA、Machine Reading(MRC)、Information Retrieval(IR)といったタスクを含む、データセット作成のための最新の半自動アプローチを導入する。 本稿では,包括的実装,洞察力のある発見,詳細な統計,ベースラインモデルの評価を行う。
  論文  参考訳（メタデータ） (2024-08-05T09:23:49Z)
• Relational Database Augmented Large Language Model [59.38841050766026]
  大規模言語モデル(LLM)は多くの自然言語処理(NLP)タスクに優れる。 彼らは、トレーニングや教師付き微調整プロセスを通じてのみ、新しい知識を取り入れることができる。 この正確で最新のプライベート情報は、通常リレーショナルデータベースに格納される。
  論文  参考訳（メタデータ） (2024-07-21T06:19:10Z)
• How to Understand Whole Software Repository? [64.19431011897515]
  リポジトリ全体に対する優れた理解は、自動ソフトウェアエンジニアリング(ASE)への重要な道になるでしょう。 本研究では,リポジトリ全体を包括的に理解するためのエージェントによるRepoUnderstanderという新しい手法を開発した。 リポジトリレベルの知識をより活用するために、エージェントをまとめ、分析し、計画する。
  論文  参考訳（メタデータ） (2024-06-03T15:20:06Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• A Simple Baseline for Knowledge-Based Visual Question Answering [78.00758742784532]
  本稿では,知識に基づく視覚質問応答(KB-VQA)の問題について述べる。 本論文の主な貢献は,よりシンプルで容易に再現可能なパイプラインを提案することである。 近年のアプローチとは対照的に,本手法はトレーニングフリーであり,外部データベースやAPIへのアクセスを必要とせず,OK-VQAおよびA-OK-VQAデータセット上で最先端の精度を実現する。
  論文  参考訳（メタデータ） (2023-10-20T15:08:17Z)
• Semantic Web Enabled Geographic Question Answering Framework: GeoTR [0.0]
  本研究では,トルコ語の自然言語入力を地理的領域のSPARQLクエリに変換する質問応答フレームワークを提案する。 空間合成トルコという10年生の地理授業を包括する新しいトルコオントロジーが、リンクデータプロバイダとして使用されるように開発されている。 また,自然言語処理技術とリンクデータ技術を組み合わせて回答を生成するハイブリッドシステムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-01-11T23:20:43Z)
• SpaceQA: Answering Questions about the Design of Space Missions and Space Craft Concepts [57.012600276711005]
  宇宙ミッション設計における最初のオープンドメインQAシステムであるSpaceQAについて述べる。 SpaceQAは、欧州宇宙機関(ESA)による、宇宙ミッションの設計に関する情報のアクセス、共有、再利用を容易にするイニシアチブの一部である。
  論文  参考訳（メタデータ） (2022-10-07T09:41:39Z)
• Design and Development of Rule-based open-domain Question-Answering System on SQuAD v2.0 Dataset [0.0]
  我々はルールベースのオープンドメイン問合せシステムを提案し、対応するコンテキストパスから任意のドメインの問合せに答えることができる。 我々は、SQuAD 2.0データセットから1000の質問を開発システムをテストするために使いました。
  論文  参考訳（メタデータ） (2022-03-27T07:51:18Z)
• Data-to-Value: An Evaluation-First Methodology for Natural Language Projects [3.9378507882929554]
  Data to Value"(D2V)は、ビッグデータテキスト分析プロジェクトのための新しい方法論である。 ビッグデータテキスト分析プロジェクトチームとトピック間の切断を避けるため、質問の詳細なカタログでガイドされている。
  論文  参考訳（メタデータ） (2022-01-19T17:04:52Z)
• Differentiable Reasoning over a Virtual Knowledge Base [156.94984221342716]
  コーパスを仮想知識ベース(KB)として,複雑なマルチホップ質問に答えるタスクについて検討する。 特に、コーパス内のエンティティの参照間の関係の経路をソフトに追従し、KBのようにテキストデータをトラバースするDrKITについて述べる。 DrKITは非常に効率的で、既存のマルチホップシステムよりも毎秒10-100倍のクエリを処理する。
  論文  参考訳（メタデータ） (2020-02-25T03:13:32Z)

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。