論文の概要: Semantic Parsing for Question Answering over Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2401.06772v3
- Date: Sat, 30 Aug 2025 21:14:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-03 20:08:26.094346
- Title: Semantic Parsing for Question Answering over Knowledge Graphs
- Title（参考訳）: 知識グラフによる質問応答のための意味的パーシング
- Authors: Sijia Wei, Wenwen Zhang, Qisong Li, Jiang Zhao,
- Abstract要約: 本稿では,グラフ・ツー・セグメンテーション・マッピングに基づく知識グラフに対する質問応答手法を提案する。
我々のフレームワークはルールベースとニューラルネットワークの両方を統合し、正確なセマンティックセグメントシーケンスを解析・構築する。
本稿では,エンコーダ・デコーダニューラルネットワークを用いて,自然言語質問をセマンティックセグメントにマッピングし,シーケンス生成タスクとして問合せセマンティックパーシングを定式化する。
- 参考スコア（独自算出の注目度）: 6.476654097130567
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a novel method for question answering over knowledge graphs based on graph-to-segment mapping, designed to improve the understanding of natural language questions. Our approach is grounded in semantic parsing, a key technique for interpreting question utterances. The main challenges arise from handling implicit entities and relations, as well as complex constraints such as temporal conditions, ordinality, and aggregation within the context of a knowledge graph. To address these issues, our framework integrates both rule-based and neural methods to parse and construct accurate, comprehensive semantic segment sequences. These sequences are then assembled into semantic query graphs, providing precise representations of question utterances. We formulate question semantic parsing as a sequence generation task, employing an encoder-decoder neural network to map natural language questions into semantic segments. Furthermore, to enhance the identification of implicit entities and relations, we incorporate a graph neural network that leverages knowledge graph context to enrich question representations. Experimental evaluations on two benchmark datasets demonstrate the effectiveness and superior performance of our model in semantic parsing for knowledge graph question answering.
- Abstract（参考訳）: 本稿では,自然言語質問の理解を改善するために,グラフ・ツー・セグメント・マッピングに基づく知識グラフに対する質問応答手法を提案する。
提案手法は,質問文を解釈する重要な手法である意味解析に基礎を置いている。
主な課題は暗黙の実体と関係を扱うことと、時間的条件、規則性、知識グラフの文脈内での集約といった複雑な制約を扱うことである。
これらの問題に対処するために、我々のフレームワークはルールベースとニューラルネットワークの両方を統合し、正確で包括的なセマンティックセグメントシーケンスを解析、構築する。
これらのシーケンスはセマンティッククエリグラフに組み立てられ、質問発話の正確な表現を提供する。
本稿では,エンコーダ・デコーダニューラルネットワークを用いて,自然言語質問をセマンティックセグメントにマッピングし,シーケンス生成タスクとして問合せセマンティックパーシングを定式化する。
さらに、暗黙の実体と関係の同定を強化するために、知識グラフのコンテキストを利用して質問表現を豊かにするグラフニューラルネットワークを導入する。
知識グラフ質問応答のセマンティック解析におけるモデルの有効性と優れた性能を示す2つのベンチマークデータセットの実験的検討を行った。
関連論文リスト
- Word and Phrase Features in Graph Convolutional Network for Automatic Question Classification [0.7405975743268344]
本稿では,グラフ畳み込みネットワーク(GCN)を利用した質問の固有構造をモデル化する手法を提案する。
質問をグラフとして表現することにより、GCNが言語間の相互接続性からより効果的に学習できるようにする。
以上の結果から,GCNは句ベースの特徴を付加したものであり,より正確で文脈に配慮した質問分類のための有望な解であることがわかった。
論文 参考訳（メタデータ） (2024-09-04T07:13:30Z) - HPE:Answering Complex Questions over Text by Hybrid Question Parsing and
Execution [92.69684305578957]
テキストQAにおける質問解析と実行の枠組みを提案する。
提案したフレームワークは、トップダウンの質問パースとして、ボトムアップの回答バックトラックとみなすことができる。
MuSiQue,2WikiQA,HotpotQA,およびNQに関する実験により,提案した解析およびハイブリッド実行フレームワークが,教師付き,少数ショット,ゼロショット設定における既存のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2023-05-12T22:37:06Z) - Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。
ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
論文 参考訳（メタデータ） (2023-05-04T16:04:41Z) - Variational Cross-Graph Reasoning and Adaptive Structured Semantics
Learning for Compositional Temporal Grounding [143.5927158318524]
テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。
新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。
ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
論文 参考訳（メタデータ） (2023-01-22T08:02:23Z) - Adaptive Hierarchical Graph Reasoning with Semantic Coherence for
Video-and-Language Inference [81.50675020698662]
Video-and-Language Inferenceは、最近提案された共同ビデオ・言語理解のタスクである。
本稿では,複雑な相互作用に関する映像の深い理解を実現する適応階層型グラフネットワークを提案する。
3つの階層から適応階層型グラフネットワークのセマンティックコヒーレンスを明示的に促進するためにセマンティックコヒーレンス学習を導入する。
論文 参考訳（メタデータ） (2021-07-26T15:23:19Z) - Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。
本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
論文 参考訳（メタデータ） (2021-01-16T16:18:43Z) - Inducing Alignment Structure with Gated Graph Attention Networks for
Sentence Matching [24.02847802702168]
本稿では,文マッチングのためのグラフベースの手法を提案する。
文ペアをグラフとして表現し、慎重に設計する。
次に,文マッチングのために構築したグラフを符号化するために,新しいゲートグラフアテンションネットワークを用いる。
論文 参考訳（メタデータ） (2020-10-15T11:25:54Z) - Joint Semantic Analysis with Document-Level Cross-Task Coherence Rewards [13.753240692520098]
本稿では,共用コア参照解決のためのニューラルネットワークアーキテクチャと,英語のセマンティックロールラベリングについて述べる。
我々は、文書と意味的アノテーション間のグローバルコヒーレンスを促進するために強化学習を使用します。
これにより、異なるドメインからの複数のデータセットにおける両方のタスクが改善される。
論文 参考訳（メタデータ） (2020-10-12T09:36:24Z) - 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)
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。