論文の概要: Gold: A Global and Local-aware Denoising Framework for Commonsense Knowledge Graph Noise Detection

• arxiv url: http://arxiv.org/abs/2310.12011v1
• Date: Wed, 18 Oct 2023 14:43:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-19 16:17:16.927870
• Title: Gold: A Global and Local-aware Denoising Framework for Commonsense Knowledge Graph Noise Detection
• Title（参考訳）: Gold: 常識知識グラフノイズ検出のためのグローバルでローカルなデノイングフレームワーク
• Authors: Zheye Deng, Weiqi Wang, Zhaowei Wang, Xin Liu, Yangqiu Song
• Abstract要約: Commonsense Knowledge Graphs (CSKG) は、常識推論に不可欠であるが、人間のアノテーションによってそれらを構築するにはコストがかかる。 金(Global and Local-Aware Denoising)は、CSKGの実体的意味情報、グローバルルール、および局所構造情報を含むCSKGの認知フレームワークである。 実験結果から,Goldは合成雑音CSKGベンチマークにおいて,ノイズ検出タスクにおけるベースライン法をすべて上回っていることがわかった。
• 参考スコア（独自算出の注目度）: 44.161035962976555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Commonsense Knowledge Graphs (CSKGs) are crucial for commonsense reasoning, yet constructing them through human annotations can be costly. As a result, various automatic methods have been proposed to construct CSKG with larger semantic coverage. However, these unsupervised approaches introduce spurious noise that can lower the quality of the resulting CSKG, which cannot be tackled easily by existing denoising algorithms due to the unique characteristics of nodes and structures in CSKGs. To address this issue, we propose Gold (Global and Local-aware Denoising), a denoising framework for CSKGs that incorporates entity semantic information, global rules, and local structural information from the CSKG. Experiment results demonstrate that Gold outperforms all baseline methods in noise detection tasks on synthetic noisy CSKG benchmarks. Furthermore, we show that denoising a real-world CSKG is effective and even benefits the downstream zero-shot commonsense question-answering task.
• Abstract（参考訳）: commonsense knowledge graphs (cskgs) はcommonsenseの推論に不可欠であるが、人間のアノテーションによる構築にはコストがかかる。 その結果、CSKGをより広い意味範囲で構築する様々な自動手法が提案されている。 しかし、これらの教師なしアプローチは、CSKGのノードや構造の特徴から、既存の復調アルゴリズムでは容易に対処できないような、CSKGの品質を低下させる突発的なノイズをもたらす。 この問題に対処するため、CSKGの実体意味情報、グローバルルール、およびCSKGからの局所構造情報を含むCSKGの認知フレームワークであるGold(Global and Local-Aware Denoising)を提案する。 実験結果から,Goldは合成雑音CSKGベンチマークにおいて,ノイズ検出タスクにおけるベースライン法をすべて上回っていることがわかった。 さらに、実世界のCSKGをデノベートすることは効果的であり、下流のゼロショット・コモンセンス質問応答にも有効であることを示す。

関連論文リスト

• Feature Noise Boosts DNN Generalization under Label Noise [65.36889005555669]
  トレーニングデータにおけるラベルノイズの存在は、ディープニューラルネットワーク(DNN)の一般化に大きな影響を与える 本研究では,学習データの特徴に直接ノイズを付加する単純な特徴雑音法を,理論的に導入し,理論的に実証する。
  論文  参考訳（メタデータ） (2023-08-03T08:31:31Z)
• IDGI: A Framework to Eliminate Explanation Noise from Integrated Gradients [19.268778433411676]
  統合グラディエンス(IG)とその変種は、ディープニューラルネットワークの決定を解釈するためのよく知られたテクニックである。 IGベースのアプローチは最先端のパフォーマンスを実現するが、しばしばノイズを説明精度マップに統合する。 本稿では,分析結果に基づいて説明ノイズを低減するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-03-24T19:05:45Z)
• Learning to adapt unknown noise for hyperspectral image denoising [47.211404580222855]
  重み付きネットワーク(HWnet)による重みの予測を提案する。 HWnetは、バイレベル最適化フレームワークにおけるいくつかのモデルベースのHSI記述法から、正確に学習されている。 大規模な実験により、提案されたHWnetは、異なる複雑なノイズを扱うためのHSIデノナイジングモデルの能力を向上させるのに大いに役立つことが確認された。
  論文  参考訳（メタデータ） (2022-12-09T03:28:07Z)
• Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
  暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。 提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:46:36Z)
• Towards Adversarially Robust Deep Image Denoising [199.2458715635285]
  本研究は,ディープ・イメージ・デノイザ(DID)の対角的ロバスト性について系統的に検討する。 本稿では,観測に基づくゼロ平均アタック(sc ObsAtk)という新たな敵攻撃を提案する。 DIDを頑健化するために,DIDと非対向雑音データとを併用したハイブリッド対向訓練(sc HAT)を提案する。
  論文  参考訳（メタデータ） (2022-01-12T10:23:14Z)
• Dynamic Layer Customization for Noise Robust Speech Emotion Recognition in Heterogeneous Condition Training [16.807298318504156]
  ノイズ条件毎に,サンプルを特殊特徴エンコーダに動的にルーティングすることで,性能を向上できることを示す。 時間的順序付けを動的にルーティングすることで,これらの改善をマルチモーダル設定に拡張する。
  論文  参考訳（メタデータ） (2020-10-21T18:07:32Z)
• A Self-Refinement Strategy for Noise Reduction in Grammatical Error Correction [54.569707226277735]
  既存の文法的誤り訂正(GEC)のアプローチは、手動で作成したGECデータセットによる教師あり学習に依存している。 誤りが不適切に編集されたり、修正されなかったりする「ノイズ」は無視できないほどある。 本稿では,既存のモデルの予測整合性を利用して,これらのデータセットをデノマイズする自己補充手法を提案する。
  論文  参考訳（メタデータ） (2020-10-07T04:45:09Z)
• Evolving Deep Convolutional Neural Networks for Hyperspectral Image Denoising [6.869192200282213]
  本稿では,HSIを効果的に識別する最適な畳み込みニューラルネットワーク(CNN)を自動構築する新しいアルゴリズムを提案する。 提案アルゴリズムの実験は、最先端の競合相手とよく設計され比較されている。
  論文  参考訳（メタデータ） (2020-08-15T03:04:11Z)
• Non-Local Part-Aware Point Cloud Denoising [55.50360085086123]
  本稿では,点群を識別する非局所部分認識ディープニューラルネットワークを提案する。 グラフアテンションモジュールでカスタマイズした非局所学習ユニット(NLU)を設計し、非局所意味論的特徴を適応的にキャプチャする。 雑音発生性能を向上させるため,ノイズ特性をノイズ入力から段階的に抽出するために,一連のNLUをカスケードする。
  論文  参考訳（メタデータ） (2020-03-14T13:51:50Z)

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。