論文の概要: Relation-Aware Question Answering for Heterogeneous Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2312.11922v1
• Date: Tue, 19 Dec 2023 08:01:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 16:37:03.083928
• Title: Relation-Aware Question Answering for Heterogeneous Knowledge Graphs
• Title（参考訳）: 不均質な知識グラフに対する関係認識質問応答
• Authors: Haowei Du, Quzhe Huang, Chen Li, Chen Zhang, Yang Li, Dongyan Zhao
• Abstract要約: 既存の検索に基づくアプローチは、異なるホップにおける特定の関係に集中することで、この課題を解決する。 我々は,現在の関係表現を強化するために,ヘッドテールエンティティや関係間の意味的関係からの情報を利用することができないと主張している。 当社のアプローチは,従来の最先端技術よりも大きなパフォーマンス向上を実現している。
• 参考スコア（独自算出の注目度）: 37.38138785470231
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-hop Knowledge Base Question Answering(KBQA) aims to find the answer entity in a knowledge graph (KG), which requires multiple steps of reasoning. Existing retrieval-based approaches solve this task by concentrating on the specific relation at different hops and predicting the intermediate entity within the reasoning path. During the reasoning process of these methods, the representation of relations are fixed but the initial relation representation may not be optimal. We claim they fail to utilize information from head-tail entities and the semantic connection between relations to enhance the current relation representation, which undermines the ability to capture information of relations in KGs. To address this issue, we construct a \textbf{dual relation graph} where each node denotes a relation in the original KG (\textbf{primal entity graph}) and edges are constructed between relations sharing same head or tail entities. Then we iteratively do primal entity graph reasoning, dual relation graph information propagation, and interaction between these two graphs. In this way, the interaction between entity and relation is enhanced, and we derive better entity and relation representations. Experiments on two public datasets, WebQSP and CWQ, show that our approach achieves a significant performance gain over the prior state-of-the-art. Our code is available on \url{https://github.com/yanmenxue/RAH-KBQA}.
• Abstract（参考訳）: KBQA(Multi-hop Knowledge Base Question Answering)は、知識グラフ(KG)において、複数の推論ステップを必要とする回答エンティティを見つけることを目的としている。 既存の検索ベースアプローチは、異なるホップでの特定の関係に集中し、推論パス内の中間エンティティを予測することでこの課題を解決している。 これらの方法の推論過程において、関係表現は固定されるが、初期関係表現は最適でないかもしれない。 我々は,KGにおける関係情報を捉える能力を損なう現在の関係表現を強化するために,ヘッドテールエンティティや関係間の意味的関係からの情報を利用することができないと主張している。 この問題に対処するために、各ノードが元のKG(\textbf{primal entity graph})内の関係を表すような \textbf{dual relation graph を構築し、同じヘッドまたはテールエンティティを共有する関係間にエッジを構築する。 次に、基本エンティティグラフの推論、双対関係グラフの情報伝達、これら2つのグラフ間の相互作用を反復的に行う。 このように、実体と関係の相互作用が強化され、より優れた実体と関係表現が導出されます。 WebQSPとCWQの2つの公開データセットの実験により、我々のアプローチは従来の最先端よりも大きなパフォーマンス向上を実現していることが示された。 我々のコードは \url{https://github.com/yanmenxue/RAH-KBQA} で利用可能です。

関連論文リスト

• More than Classification: A Unified Framework for Event Temporal Relation Extraction [61.44799147458621]
  イベント時間関係抽出(ETRE)は通常、マルチラベル分類タスクとして定式化される。 イベントの開始点と終了点を使ってすべての関係を解釈できることを観察する。 本稿では,時間関係を時間点の論理的表現に変換するイベント時間関係抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-28T02:09:08Z)
• HIORE: Leveraging High-order Interactions for Unified Entity Relation Extraction [85.80317530027212]
  本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。 重要な洞察は、単語ペア間の複雑な関連を活用することである。 実験の結果,HIOREは従来最高の統一モデルよりも1.11.8 F1ポイント向上した。
  論文  参考訳（メタデータ） (2023-05-07T14:57:42Z)
• Learning Relation-Specific Representations for Few-shot Knowledge Graph Completion [24.880078645503417]
  本稿では,三重項のグラフコンテキストを利用して関係と実体のセマンティック情報を同時に取得する関係特化文脈学習フレームワークを提案する。 2つの公開データセットの実験結果は、RSCLが最先端のFKGC法より優れていることを示している。
  論文  参考訳（メタデータ） (2022-03-22T11:45:48Z)
• Modeling Global Semantics for Question Answering over Knowledge Bases [16.341353183347664]
  KBQAにおける意味解析のための関係グラフ畳み込みネットワーク(RGCN)モデルgRGCNを提案する。 ベンチマークで評価した結果,本モデルは市販モデルよりも優れていた。
  論文  参考訳（メタデータ） (2021-01-05T13:51:14Z)
• Context-Enhanced Entity and Relation Embedding for Knowledge Graph Completion [2.580765958706854]
  マルチホップにおけるエンティティコンテキストと関係コンテキストの効率的な集約を行うモデルAggrEを提案する。 実験の結果、AggrEは既存のモデルと競合していることがわかった。
  論文  参考訳（メタデータ） (2020-12-13T09:20:42Z)
• Relation of the Relations: A New Paradigm of the Relation Extraction Problem [52.21210549224131]
  我々は,関係抽出(RE)の新たなパラダイムを提案し,同じ文脈におけるすべての関係の予測を総合的に検討する。 我々は、手作りのルールを必要としないデータ駆動型アプローチを開発し、グラフニューラルネットワークと関係行列変換器を用いた関係関係(RoR)をそれ自体で学習する。 実験の結果、私たちのモデルはACE05データセットでは+1.12%、SemEval 2018 Task 7.2では2.55%で最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2020-06-05T22:25:27Z)
• Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
  本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。 グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
  論文  参考訳（メタデータ） (2020-04-05T13:09:37Z)
• End-to-End Entity Linking and Disambiguation leveraging Word and Knowledge Graph Embeddings [20.4826750211045]
  我々は,KGと単語埋め込みを併用した最初のエンドツーエンドニューラルネットワークアプローチを提案し,単純な質問の結合関係と実体分類を行う。 実験により,提案手法が最先端のエンティティリンクに匹敵する性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-02-25T19:07:54Z)
• Relational Message Passing for Knowledge Graph Completion [78.47976646383222]
  本稿では,知識グラフ補完のためのリレーショナルメッセージパッシング手法を提案する。 エッジ間でリレーショナルメッセージを反復的に送信し、近隣情報を集約する。 その結果,本手法は最先端の知識完成手法よりも大きなマージンで優れていることがわかった。
  論文  参考訳（メタデータ） (2020-02-17T03:33:41Z)

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。