論文の概要: Knowledge Pyramid: A Novel Hierarchical Reasoning Structure for
Generalized Knowledge Augmentation and Inference
- arxiv url: http://arxiv.org/abs/2401.09070v1
- Date: Wed, 17 Jan 2024 09:08:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 16:26:13.431722
- Title: Knowledge Pyramid: A Novel Hierarchical Reasoning Structure for
Generalized Knowledge Augmentation and Inference
- Title（参考訳）: 知識ピラミッド: 一般化知識増強と推論のための新しい階層的推論構造
- Authors: Qinghua Huang, Yongzhen Wang
- Abstract要約: 本稿では,知識グラフに基づく推論の一般化能力を向上させるために,知識増強戦略を用いた新しい推論手法を提案する。
提案手法を用いていくつかの医療データセットを試験し,実験結果から,提案した知識ピラミッドが知識推論性能を向上し,より一般化された結果が得られた。
- 参考スコア（独自算出の注目度）: 11.190655025636266
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knowledge graph (KG) based reasoning has been regarded as an effective means
for the analysis of semantic networks and is of great usefulness in areas of
information retrieval, recommendation, decision-making, and man-machine
interaction. It is widely used in recommendation, decision-making,
question-answering, search, and other fields. However, previous studies mainly
used low-level knowledge in the KG for reasoning, which may result in
insufficient generalization and poor robustness of reasoning. To this end, this
paper proposes a new inference approach using a novel knowledge augmentation
strategy to improve the generalization capability of KG. This framework
extracts high-level pyramidal knowledge from low-level knowledge and applies it
to reasoning in a multi-level hierarchical KG, called knowledge pyramid in this
paper. We tested some medical data sets using the proposed approach, and the
experimental results show that the proposed knowledge pyramid has improved the
knowledge inference performance with better generalization. Especially, when
there are fewer training samples, the inference accuracy can be significantly
improved.
- Abstract（参考訳）: 知識グラフ(KG)に基づく推論はセマンティックネットワークの分析に有効な手段であり,情報検索,レコメンデーション,意思決定,人間と機械の相互作用の領域において非常に有用であると考えられる。
推薦、意思決定、質問応答、検索、その他の分野で広く使われている。
しかし、以前の研究では主にKGの低レベルの知識を推論に用いており、一般化が不十分で推論の堅牢性が劣る可能性がある。
そこで本研究では,KGの一般化能力を向上させるために,知識増強戦略を用いた新たな推論手法を提案する。
このフレームワークは,低レベルの知識から高レベルのピラミッド的知識を抽出し,知識ピラミッドと呼ばれる多レベルの階層的KGの推論に適用する。
提案手法を用いていくつかの医療データセットを検証した結果,提案した知識ピラミッドは,知識推論性能を向上し,より一般化された。
特にトレーニングサンプルが少ない場合には、推論精度が大幅に向上する可能性がある。
関連論文リスト
- Chain-of-Knowledge: Integrating Knowledge Reasoning into Large Language Models by Learning from Knowledge Graphs [55.317267269115845]
Chain-of-Knowledge (CoK)は知識推論のための包括的なフレームワークである。
CoKにはデータセット構築とモデル学習の両方のための方法論が含まれている。
KnowReasonで広範な実験を行う。
論文 参考訳（メタデータ） (2024-06-30T10:49:32Z) - FecTek: Enhancing Term Weight in Lexicon-Based Retrieval with Feature Context and Term-level Knowledge [54.61068946420894]
FEature Context と TErm レベルの知識モジュールを導入して,革新的な手法を提案する。
項重みの特徴コンテキスト表現を効果的に強化するために、FCM(Feature Context Module)が導入された。
また,用語レベルの知識を効果的に活用し,用語重みのモデル化プロセスをインテリジェントに導くための用語レベルの知識誘導モジュール(TKGM)を開発した。
論文 参考訳（メタデータ） (2024-04-18T12:58:36Z) - Enhancing Multi-Hop Knowledge Graph Reasoning through Reward Shaping
Techniques [5.561202401558972]
本研究は,マルチホップ知識グラフ(KG-R)に内在する複雑さをナビゲートするための強化学習戦略,特にREINFORCEアルゴリズムの活用について検討する。
UMLS(Unified Medical Language System)ベンチマークデータセットをリッチでスパースなサブセットに分割することにより、トレーニング済みBERT埋め込みとPrompt Learning手法の有効性を検証し、報酬形成プロセスを洗練させる。
論文 参考訳（メタデータ） (2024-03-09T05:34:07Z) - Soft Reasoning on Uncertain Knowledge Graphs [85.1968214421899]
本研究では,ソフト制約プログラミングの確立を動機とした,不確実な知識に対するソフトクエリの設定について検討する。
本稿では,大規模,不完全,不確実な知識グラフ上でのソフトクエリに応答する,前方推論と後方校正を併用したMLベースのアプローチを提案する。
論文 参考訳（メタデータ） (2024-03-03T13:13:53Z) - Causal discovery using dynamically requested knowledge [7.904709685523615]
Causal Bayesian Networks (CBN) は、複雑な実世界のシステムにおいて不確実性の下で推論するための重要なツールである。
本研究では,構造学習アルゴリズム自体が,アルゴリズムが不確実であると認識する関係について,知識を動的に識別し,要求する新たなアプローチについて検討する。
構造的精度は,既存の知識統合手法よりも大幅に向上した。
論文 参考訳（メタデータ） (2023-10-17T11:21:23Z) - A Unified End-to-End Retriever-Reader Framework for Knowledge-based VQA [67.75989848202343]
本稿では,知識に基づくVQAに向けて,エンド・ツー・エンドのレトリバー・リーダー・フレームワークを提案する。
我々は、視覚言語による事前学習モデルからの多モーダルな暗黙の知識に光を当て、知識推論の可能性を掘り下げた。
提案手法では,知識検索のガイダンスを提供するだけでなく,質問応答に対してエラーが発生しやすいケースも排除できる。
論文 参考訳（メタデータ） (2022-06-30T02:35:04Z) - Incremental Knowledge Based Question Answering [52.041815783025186]
人間と同じように学習能力を段階的に拡張できるインクリメンタルKBQA学習フレームワークを提案します。
具体的には、破滅的な忘れ問題を克服するために、マージン希釈損失と協調選択方法からなる。
包括的な実験は、進化する知識ベースに取り組む際にその効果と効率を示す。
論文 参考訳（メタデータ） (2021-01-18T09:03:38Z) - KompaRe: A Knowledge Graph Comparative Reasoning System [85.72488258453926]
本稿では,複数の手がかりに対する共通点と矛盾点の推測を目的とした知識グラフの比較推論を提案する。
我々は,大規模な知識グラフに対して比較推論機能を提供する,最初のプロトタイプシステムであるKompaReを開発した。
論文 参考訳（メタデータ） (2020-11-06T04:57:37Z)
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。