論文の概要: A Bipartite Graph is All We Need for Enhancing Emotional Reasoning with Commonsense Knowledge

• arxiv url: http://arxiv.org/abs/2308.04811v1
• Date: Wed, 9 Aug 2023 09:09:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-10 14:21:02.761903
• Title: A Bipartite Graph is All We Need for Enhancing Emotional Reasoning with Commonsense Knowledge
• Title（参考訳）: 両部グラフは、常識的知識による感情的推論を促進するために必要である
• Authors: Kailai Yang, Tianlin Zhang, Shaoxiong Ji, Sophia Ananiadou
• Abstract要約: 両部不均一グラフ(BHG)を用いて,コモンセンス知識による感情的推論を強化する手法を提案する。 BHGベースの知識注入は、直接、多種多粒な知識ソースに一般化することができる。
• 参考スコア（独自算出の注目度）: 16.410940528107115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The context-aware emotional reasoning ability of AI systems, especially in conversations, is of vital importance in applications such as online opinion mining from social media and empathetic dialogue systems. Due to the implicit nature of conveying emotions in many scenarios, commonsense knowledge is widely utilized to enrich utterance semantics and enhance conversation modeling. However, most previous knowledge infusion methods perform empirical knowledge filtering and design highly customized architectures for knowledge interaction with the utterances, which can discard useful knowledge aspects and limit their generalizability to different knowledge sources. Based on these observations, we propose a Bipartite Heterogeneous Graph (BHG) method for enhancing emotional reasoning with commonsense knowledge. In BHG, the extracted context-aware utterance representations and knowledge representations are modeled as heterogeneous nodes. Two more knowledge aggregation node types are proposed to perform automatic knowledge filtering and interaction. BHG-based knowledge infusion can be directly generalized to multi-type and multi-grained knowledge sources. In addition, we propose a Multi-dimensional Heterogeneous Graph Transformer (MHGT) to perform graph reasoning, which can retain unchanged feature spaces and unequal dimensions for heterogeneous node types during inference to prevent unnecessary loss of information. Experiments show that BHG-based methods significantly outperform state-of-the-art knowledge infusion methods and show generalized knowledge infusion ability with higher efficiency. Further analysis proves that previous empirical knowledge filtering methods do not guarantee to provide the most useful knowledge information. Our code is available at: https://github.com/SteveKGYang/BHG.
• Abstract（参考訳）: aiシステムのコンテキスト認識による感情推論能力は、特に会話において、ソーシャルメディアからのオンライン意見マイニングや共感対話システムといった応用において極めて重要である。 多くのシナリオで感情を伝えるという暗黙的な性質のため、コモンセンス知識は、発話意味論の充実と会話モデリングの強化に広く利用されている。 しかし, 従来の知識注入手法では, 経験的知識フィルタリングを行い, 発話との知識相互作用のための高度にカスタマイズされたアーキテクチャを設計している。 そこで本研究では,2部構成の不均一グラフ(bhg)法を提案する。 BHGでは、抽出した文脈対応発話表現と知識表現を異種ノードとしてモデル化する。 さらに2つの知識集約ノードタイプが提案され、自動知識フィルタリングと対話を行う。 bhgベースの知識注入は、直接多種多様な知識ソースに一般化することができる。 さらに,多次元不均一グラフ変換器(mhgt)を提案し,不必要な情報損失を防止するために,不均一ノードタイプの特徴空間と不等次元を保持したグラフ推論を行う。 実験により,BHG法は最先端知識注入法を著しく上回り,高い効率で汎用知識注入能力を示すことが示された。 さらに分析した結果,従来の経験的知識フィルタリング手法では,最も有用な知識情報の提供が保証されないことがわかった。 私たちのコードは、https://github.com/SteveKGYang/BHG.comで利用可能です。

関連論文リスト

• Open Visual Knowledge Extraction via Relation-Oriented Multimodality Model Prompting [89.95541601837719]
  オープンビジュアル知識抽出の新しいパラダイムを初めて探求する。 OpenVikは、リレーショナル知識を含む可能性のあるリージョンを検出するオープンリレーショナルリージョン検出器で構成されている。 検出された関心領域で大規模なマルチモーダリティモデルを促すことにより、書式のない知識を生成する視覚的知識生成装置。
  論文  参考訳（メタデータ） (2023-10-28T20:09:29Z)
• Recognizing Unseen Objects via Multimodal Intensive Knowledge Graph Propagation [68.13453771001522]
  画像の領域と対応するセマンティック埋め込みとをマッチングする多モード集中型ZSLフレームワークを提案する。 我々は、大規模な実世界のデータに基づいて、広範囲な実験を行い、そのモデルを評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:07:48Z)
• CADGE: Context-Aware Dialogue Generation Enhanced with Graph-Structured Knowledge Aggregation [25.56539617837482]
  コンテキスト対応グラフアテンションモデル(Context-aware GAT)を提案する。 これは、コンテキスト強化された知識集約機構を通じて、関連する知識グラフからグローバルな特徴を同化する。 実験により,本フレームワークは従来のGNNベース言語モデルよりも性能が優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-10T16:31:35Z)
• RHO ($\rho$): Reducing Hallucination in Open-domain Dialogues with Knowledge Grounding [57.46495388734495]
  本稿では、知識グラフ(KG)からリンクされたエンティティと関係述語を表現したRHO(rho$)を提案する。 本稿では,(1)テキスト埋め込みと対応するKG埋め込みを組み合わせるための局所知識基盤,(2)注目機構を介してRHOにマルチホップ推論能力を持たせるためのグローバル知識基盤を提案する。
  論文  参考訳（メタデータ） (2022-12-03T10:36:34Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Knowledge-Grounded Dialogue Generation with a Unified Knowledge Representation [78.85622982191522]
  既存のシステムは、トレーニングデータでカバーされる限られたトピックのために、目に見えないトピックでうまく機能しない。 本稿では,異なる知識源を均質化した言語モデルであるPLUGについて述べる。 完全に教師された設定の下で最先端のメソッドと同等のパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2021-12-15T07:11:02Z)
• Distilling Holistic Knowledge with Graph Neural Networks [37.86539695906857]
  知識蒸留(KD)は、より大規模な教師ネットワークからより小さな学習可能な学生ネットワークへ知識を伝達することを目的としている。 既存のKD法は主に、個々の知識と関係知識の2つの種類の知識を考察してきた。 本稿では, インスタンス間に構築された属性グラフに基づいて, 新たな包括的知識を蒸留する。
  論文  参考訳（メタデータ） (2021-08-12T02:47:59Z)
• KRISP: Integrating Implicit and Symbolic Knowledge for Open-Domain Knowledge-Based VQA [107.7091094498848]
  VQAの最も難しい質問の1つは、質問に答えるために画像に存在しない外部の知識を必要とする場合です。 本研究では,解答に必要な知識が与えられたり記入されたりしないオープンドメイン知識を,トレーニング時やテスト時にも検討する。 知識表現と推論には2つのタイプがあります。 まず、トランスベースのモデルで教師なし言語事前トレーニングと教師付きトレーニングデータから効果的に学ぶことができる暗黙的な知識。
  論文  参考訳（メタデータ） (2020-12-20T20:13:02Z)
• Knowledge-graph based Proactive Dialogue Generation with Improved Meta-Learning [0.0]
  本稿では,知識グラフに基づく3つのコンポーネントを用いたプロアクティブ対話生成モデル(KgDg)を提案する。 知識三重項の埋め込みと選択については、文の埋め込みの問題として定式化し、意味情報をよりよく捉える。 改良されたMAMLアルゴリズムは,限られた知識グラフから一般的な特徴を学習することができる。
  論文  参考訳（メタデータ） (2020-04-19T08:41:12Z)

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。