論文の概要: $\text{EFO}_{k}$-CQA: Towards Knowledge Graph Complex Query Answering beyond Set Operation

• arxiv url: http://arxiv.org/abs/2307.13701v1
• Date: Sat, 15 Jul 2023 13:18:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-30 03:55:59.149429
• Title: $\text{EFO}_{k}$-CQA: Towards Knowledge Graph Complex Query Answering beyond Set Operation
• Title（参考訳）: $\text{efo}_{k}$-cqa:集合演算を超えた知識グラフの複雑なクエリ応答に向けて
• Authors: Hang Yin, Zihao Wang, Weizhi Fei, Yangqiu Song
• Abstract要約: 本稿では,データ生成,モデルトレーニング,メソッド評価のためのフレームワークを提案する。 実験的な評価のために,データセットとして$textEFO_k$-CQAを構築した。
• 参考スコア（独自算出の注目度）: 36.77373013615789
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To answer complex queries on knowledge graphs, logical reasoning over incomplete knowledge is required due to the open-world assumption. Learning-based methods are essential because they are capable of generalizing over unobserved knowledge. Therefore, an appropriate dataset is fundamental to both obtaining and evaluating such methods under this paradigm. In this paper, we propose a comprehensive framework for data generation, model training, and method evaluation that covers the combinatorial space of Existential First-order Queries with multiple variables ($\text{EFO}_{k}$). The combinatorial query space in our framework significantly extends those defined by set operations in the existing literature. Additionally, we construct a dataset, $\text{EFO}_{k}$-CQA, with 741 types of query for empirical evaluation, and our benchmark results provide new insights into how query hardness affects the results. Furthermore, we demonstrate that the existing dataset construction process is systematically biased that hinders the appropriate development of query-answering methods, highlighting the importance of our work. Our code and data are provided in~\url{https://github.com/HKUST-KnowComp/EFOK-CQA}.
• Abstract（参考訳）: 知識グラフの複雑な問合せに答えるには、オープンワールドの仮定のために不完全な知識よりも論理的推論が必要である。 学習に基づく手法は、観察できない知識を一般化できるため、不可欠である。 したがって、このパラダイムの下でそのような方法を取得し、評価するために適切なデータセットが基本である。 本稿では,複数の変数を持つ既存1次クエリの組合せ空間をカバーする,データ生成,モデルトレーニング,メソッド評価のための包括的フレームワークを提案する(\text{EFO}_{k}$)。 我々のフレームワークにおける組合せクエリ空間は、既存の文献における集合演算によって定義されるものを著しく拡張します。 さらに、実験的な評価のために、741種類のクエリを持つデータセットである$\text{EFO}_{k}$-CQAを構築し、ベンチマーク結果がクエリの硬さが結果に与える影響について、新たな洞察を提供する。 さらに,既存のデータセット構築プロセスが系統的に偏り,クエリ処理手法の適切な開発を妨げることを実証し,作業の重要性を強調した。 私たちのコードとデータは~\url{https://github.com/HKUST-KnowComp/EFOK-CQA}で提供されます。

関連論文リスト

• RiTeK: A Dataset for Large Language Models Complex Reasoning over Textual Knowledge Graphs [12.846097618151951]
  我々は,テキスト知識グラフ(RiTeK)を用いたLLMの複雑な推論のためのデータセットを開発し,広範なトポロジ的構造を網羅する。 多様なトポロジ構造、注釈付き情報、複雑なテキスト記述を統合した現実的なユーザクエリを合成する。 そこで我々はモンテカルロ木探索法 (CTS) を導入し, 特定のクエリに対してテキストグラフから関係経路情報を自動的に抽出する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T19:33:37Z)
• Beyond Relevant Documents: A Knowledge-Intensive Approach for Query-Focused Summarization using Large Language Models [27.90653125902507]
  本稿では,知識集約型タスク設定として,クエリ中心の要約を再構成する知識集約型アプローチを提案する。 検索モジュールは、大規模知識コーパスから潜在的に関連のある文書を効率的に検索する。 要約コントローラは、強力な大言語モデル(LLM)ベースの要約器を注意深く調整されたプロンプトとシームレスに統合する。
  論文  参考訳（メタデータ） (2024-08-19T18:54:20Z)
• Improving Multi-hop Logical Reasoning in Knowledge Graphs with Context-Aware Query Representation Learning [3.7411114598484647]
  知識グラフのマルチホップ論理的推論は自然言語処理において重要な課題である。 本稿では,既存のマルチホップ論理推論手法の有効性を高めるモデルに依存しない手法を提案する。 提案手法は,3つのマルチホップ推論基盤モデルを継続的に強化し,最大19.5%の性能向上を実現している。
  論文  参考訳（メタデータ） (2024-06-11T07:48:20Z)
• STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
  テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。 本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。 多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
  論文  参考訳（メタデータ） (2024-04-19T22:54:54Z)
• Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity [59.57065228857247]
  Retrieval-augmented Large Language Models (LLMs) は、質問回答(QA)のようなタスクにおける応答精度を高めるための有望なアプローチとして登場した。 本稿では,クエリの複雑さに基づいて,LLMの最適戦略を動的に選択できる適応型QAフレームワークを提案する。 オープンドメインのQAデータセットを用いて、複数のクエリの複雑さを網羅し、QAシステムの全体的な効率性と精度を高めることを示す。
  論文  参考訳（メタデータ） (2024-03-21T13:52:30Z)
• 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)
• 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)
• Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors [58.340159346749964]
  本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。 これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。 提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
  論文  参考訳（メタデータ） (2023-04-14T11:35:35Z)

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。