論文の概要: PSYCHIC: A Neuro-Symbolic Framework for Knowledge Graph Question-Answering Grounding

• arxiv url: http://arxiv.org/abs/2310.12638v1
• Date: Thu, 19 Oct 2023 10:53:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-20 15:46:36.265570
• Title: PSYCHIC: A Neuro-Symbolic Framework for Knowledge Graph Question-Answering Grounding
• Title（参考訳）: PSYCHIC:知識グラフ質問応答基盤のための神経シンボリックフレームワーク
• Authors: Hanna Abi Akl
• Abstract要約: Linked Data (Scholarly QALD) に関する学術質問回答(Scholarly Question Answering over Linked Data (Scholarly QALD) チャレンジは、知識グラフ (KG) に対する質問応答 (QA) に取り組むための2つのサブタスクを提供する。 KGQA over DBLP (DBLP-QUAD) タスクに対して,KG質問に関連するクエリとエンティティを識別可能な抽出QAモデルPSYCHICに基づくニューロシンボリック(NS)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Scholarly Question Answering over Linked Data (Scholarly QALD) at The International Semantic Web Conference (ISWC) 2023 challenge presents two sub-tasks to tackle question answering (QA) over knowledge graphs (KGs). We answer the KGQA over DBLP (DBLP-QUAD) task by proposing a neuro-symbolic (NS) framework based on PSYCHIC, an extractive QA model capable of identifying the query and entities related to a KG question. Our system achieved a F1 score of 00.18% on question answering and came in third place for entity linking (EL) with a score of 71.00%.
• Abstract（参考訳）: The International Semantic Web Conference (ISWC) 2023のScholarly Question Answering over Linked Data (Scholarly QALD)では、知識グラフ(KG)に対する質問応答(QA)に取り組むための2つのサブタスクを提示している。 KGQA over DBLP (DBLP-QUAD) 課題に対して,KG質問に関するクエリとエンティティを識別可能な抽出QAモデルPSYCHICに基づくニューロシンボリック(NS)フレームワークを提案する。 質問応答ではF1スコアが00.18%に達し,エンティティリンク(EL)では71.00%で3位となった。

関連論文リスト

• SPINACH: SPARQL-Based Information Navigation for Challenging Real-World Questions [6.933892616704001]
  本稿では,Wikidata の "Request a Query" フォーラムでの議論から収集した KBQA データセットである SPINACH データセットを紹介する。 これらの内部クエリの複雑さはKBQAシステムと呼ばれるもので、大きく、しばしば不完全なスキーマを動的に探索し、それらについて推論することができる。 また、人間の専門家が難解な問題に対処するためにどのようにSPARQLを書くかを模倣する、SPINACHとも呼ばれる、コンテキスト内学習KBQAエージェントも導入しています。
  論文  参考訳（メタデータ） (2024-07-16T06:18:21Z)
• NLQxform: A Language Model-based Question to SPARQL Transformer [8.698533396991554]
  本稿では,NLQxform と呼ばれる質問応答システムを提案する。 NLQxformでは、自然言語の質問で複雑なクエリ意図を表現できる。 トランスフォーマーベースの言語モデル、すなわちBARTは、質問を標準のSPARQLクエリに変換するために使用される。
  論文  参考訳（メタデータ） (2023-11-08T21:41:45Z)
• Davidsonian Scene Graph: Improving Reliability in Fine-grained Evaluation for Text-to-Image Generation [64.64849950642619]
  テキスト・ツー・イメージ・モデルを評価するための形式的意味論にインスパイアされた評価フレームワークを開発する。 Davidsonian Scene Graph (DSG) が依存性グラフにまとめられた原子的およびユニークな質問を生成することを示す。 また,1060個のプロンプトを含むオープンソースの評価ベンチマークDSG-1kを提案する。
  論文  参考訳（メタデータ） (2023-10-27T16:20:10Z)
• Open-Set Knowledge-Based Visual Question Answering with Inference Paths [79.55742631375063]
  知識に基づく視覚的質問回答(KB-VQA)の目的は、外部知識ベースの助けを借りて質問に対する正しい回答を提供することである。 KB-VQA, Graph pATH ranker (GATHER for brevity) の新しいレトリバーランカパラダイムを提案する。 具体的には、グラフの構築、プルーニング、パスレベルのランク付けが含まれており、正確な回答を検索するだけでなく、推論パスを提供して推論プロセスを説明する。
  論文  参考訳（メタデータ） (2023-10-12T09:12:50Z)
• Question-Answer Sentence Graph for Joint Modeling Answer Selection [122.29142965960138]
  我々は,質問文,質問文,回答文のペア間のスコアを計算するための最先端(SOTA)モデルを訓練し,統合する。 オンライン推論は、目に見えないクエリのAS2タスクを解決するために実行される。
  論文  参考訳（メタデータ） (2022-02-16T05:59:53Z)
• Improving Unsupervised Question Answering via Summarization-Informed Question Generation [47.96911338198302]
  質問生成 (QG) とは, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、 我々は、自由なニュース要約データを使用し、宣言文を依存性解析、名前付きエンティティ認識、セマンティックロールラベリングを用いて適切な質問に変換する。 得られた質問は、元のニュース記事と組み合わせて、エンドツーエンドのニューラルQGモデルをトレーニングする。
  論文  参考訳（メタデータ） (2021-09-16T13:08:43Z)
• QA-GNN: Reasoning with Language Models and Knowledge Graphs for Question Answering [122.84513233992422]
  学習済み言語モデル(LM)と知識グラフ(KG)の知識を用いて質問に答える問題に対処する新しいモデルであるQA-GNNを提案する。 既存のLMとLM+KGモデルに対する改善と、解釈可能で構造化された推論を行う能力を示しています。
  論文  参考訳（メタデータ） (2021-04-13T17:32:51Z)
• Question Answering over Knowledge Bases by Leveraging Semantic Parsing and Neuro-Symbolic Reasoning [73.00049753292316]
  本稿では,意味解析と推論に基づくニューロシンボリック質問回答システムを提案する。 NSQAはQALD-9とLC-QuAD 1.0で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-12-03T05:17:55Z)

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。