論文の概要: Knowledge Graph-Augmented Korean Generative Commonsense Reasoning

• arxiv url: http://arxiv.org/abs/2306.14470v1
• Date: Mon, 26 Jun 2023 07:23:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 14:47:06.929773
• Title: Knowledge Graph-Augmented Korean Generative Commonsense Reasoning
• Title（参考訳）: 知識グラフによる韓国生成常識推論
• Authors: Dahyun Jung, Jaehyung Seo, Jaewook Lee, Chanjun Park, Heuiseok Lim
• Abstract要約: 韓国の知識グラフデータをテキスト生成に利用する手法を提案する。 実験の結果,提案手法は韓国のコモンセンス推論の効率を向上させることができることがわかった。
• 参考スコア（独自算出の注目度）: 5.951529604050278
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative commonsense reasoning refers to the task of generating acceptable and logical assumptions about everyday situations based on commonsense understanding. By utilizing an existing dataset such as Korean CommonGen, language generation models can learn commonsense reasoning specific to the Korean language. However, language models often fail to consider the relationships between concepts and the deep knowledge inherent to concepts. To address these limitations, we propose a method to utilize the Korean knowledge graph data for text generation. Our experimental result shows that the proposed method can enhance the efficiency of Korean commonsense inference, thereby underlining the significance of employing supplementary data.
• Abstract（参考訳）: ジェネレーティブ・コモンセンス推論(generative commonsense reasoning)とは、日常の状況について、コモンセンスの理解に基づいて受け入れられる論理的な仮定を生成するタスクである。 Korea CommonGenのような既存のデータセットを利用することで、言語生成モデルは韓国語固有の常識推論を学ぶことができる。 しかし、言語モデルは概念と概念に固有の深い知識との関係を考慮しないことが多い。 これらの制約に対処するため,韓国の知識グラフデータを用いたテキスト生成手法を提案する。 実験の結果,提案手法は韓国のコモンセンス推論の効率を向上し,補足データの利用の重要性を浮き彫りにした。

関連論文リスト

• Does Incomplete Syntax Influence Korean Language Model? Focusing on Word Order and Case Markers [7.275938266030414]
  語順やケースマーカーなどの構文要素は自然言語処理において基本的なものである。 本研究は,韓国語モデルがこの柔軟性を正確に捉えることができるかどうかを考察する。
  論文  参考訳（メタデータ） (2024-07-12T11:33:41Z)
• HAE-RAE Bench: Evaluation of Korean Knowledge in Language Models [0.0]
  HAE-RAE Benchは,韓国の文化的・文脈的深度に欠けるモデルに挑戦するためのデータセットである。 このデータセットは、語彙、歴史、一般的な知識、読み理解の4つの領域にまたがる6つの下流タスクを含んでいる。
  論文  参考訳（メタデータ） (2023-09-06T04:38:16Z)
• Commonsense Knowledge Transfer for Pre-trained Language Models [83.01121484432801]
  ニューラルコモンセンス知識モデルに格納されたコモンセンス知識を汎用的な事前学習言語モデルに転送するフレームワークであるコモンセンス知識伝達を導入する。 まず、一般的なテキストを利用して、ニューラルコモンセンス知識モデルからコモンセンス知識を抽出するクエリを形成する。 次に、コモンセンスマスクの埋め込みとコモンセンスの関係予測という2つの自己教師対象で言語モデルを洗練する。
  論文  参考訳（メタデータ） (2023-06-04T15:44:51Z)
• Deriving dynamical systems for language based on the Tolerance Principle [91.3755431537592]
  私は、獲得駆動フレームワーク内の言語に対する明示的な動的システムを導き出します。 私は、人口規模(有限対無限)や学習者にデータを提供する前世代の数など、様々な理論的パラメータについて検討する。
  論文  参考訳（メタデータ） (2022-09-09T11:49:55Z)
• Commonsense Knowledge-Augmented Pretrained Language Models for Causal Reasoning Classification [9.313899406300644]
  ATOMIC2020では、自然言語の文章を言語化するために、広範にわたるコモンセンス推論知識グラフを3倍にします。 そこで我々は,コモンセンス推論質問に対する回答モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-12-16T04:38:40Z)
• Automatic Knowledge Augmentation for Generative Commonsense Reasoning [1.1374578778690623]
  生成的コモンセンス推論(英: Generative Commonsense reasoning)とは、言語モデルが、コモンセンスの知識に基づいて与えられた概念セットで文を生成する能力である。 本稿では,機械知識生成装置を用いて,知識自動増強を用いて常識知識を拡張するデータ中心手法を提案する。
  論文  参考訳（メタデータ） (2021-10-30T06:53:48Z)
• Generated Knowledge Prompting for Commonsense Reasoning [53.88983683513114]
  本稿では,汎用的なプロンプト形式を用いて,言語モデルから直接知識文を生成することを提案する。 このアプローチは、4つのコモンセンス推論タスクにおいて、既製の言語モデルと微調整された言語モデルの両方のパフォーマンスを向上させる。 特に、モデルが生成した知識を使用することで、予測が改善できることが分かる。
  論文  参考訳（メタデータ） (2021-10-15T21:58:03Z)
• GATE: Graph Attention Transformer Encoder for Cross-lingual Relation and Event Extraction [107.8262586956778]
  言語に依存しない文表現を学習するために、普遍的な依存解析を伴うグラフ畳み込みネットワーク(GCN)を導入する。 GCNは、長い範囲の依存関係を持つ単語をモデル化するのに苦労する。 そこで本研究では,構文的距離の異なる単語間の依存関係を学習するための自己認識機構を提案する。
  論文  参考訳（メタデータ） (2020-10-06T20:30:35Z)
• KG-BART: Knowledge Graph-Augmented BART for Generative Commonsense Reasoning [78.81080813406177]
  本稿では,学習前言語生成モデルKG-BARTを改良した知識グラフを提案する。 KG-BARTは知識グラフを通じて概念の複雑な関係を包含し、より論理的で自然な文を出力として生成する。
  論文  参考訳（メタデータ） (2020-09-26T19:57:49Z)
• Language Generation with Multi-Hop Reasoning on Commonsense Knowledge Graph [124.45799297285083]
  知識グラフの構造的情報と意味的情報の両方を活用することで、コモンセンスを意識したテキスト生成が促進されると主張している。 本稿では,外部コモンセンス知識グラフから抽出したマルチリレーショナルパスに基づいて,動的マルチホップ推論を用いた事前学習モデルを実現するマルチホップ推論フロー(GRF)の生成を提案する。
  論文  参考訳（メタデータ） (2020-09-24T13:55:32Z)

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。