論文の概要: Temporal Knowledge Graph Question Answering: A Survey

• arxiv url: http://arxiv.org/abs/2406.14191v1
• Date: Thu, 20 Jun 2024 10:51:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-21 14:11:31.173001
• Title: Temporal Knowledge Graph Question Answering: A Survey
• Title（参考訳）: 時間的知識グラフ質問に対する回答
• Authors: Miao Su, ZiXuan Li, Zhuo Chen, Long Bai, Xiaolong Jin, Jiafeng Guo,
• Abstract要約: 時間的知識グラフ質問回答(TKGQA)は、時間的疑問に答える新しい課題である。 本稿では、時間的質問の分類と、TKGQAの方法論的分類の2つの観点から、徹底的な調査を行う。
• 参考スコア（独自算出の注目度）: 39.40384139630724
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge Base Question Answering (KBQA) has been a long-standing field to answer questions based on knowledge bases. Recently, the evolving dynamics of knowledge have attracted a growing interest in Temporal Knowledge Graph Question Answering (TKGQA), an emerging task to answer temporal questions. However, this field grapples with ambiguities in defining temporal questions and lacks a systematic categorization of existing methods for TKGQA. In response, this paper provides a thorough survey from two perspectives: the taxonomy of temporal questions and the methodological categorization for TKGQA. Specifically, we first establish a detailed taxonomy of temporal questions engaged in prior studies. Subsequently, we provide a comprehensive review of TKGQA techniques of two categories: semantic parsing-based and TKG embedding-based. Building on this review, the paper outlines potential research directions aimed at advancing the field of TKGQA. This work aims to serve as a comprehensive reference for TKGQA and to stimulate further research.
• Abstract（参考訳）: 知識ベース質問回答(KBQA)は,知識ベースに基づいて質問に回答するための長年にわたる分野である。 近年,時間的知識グラフ質問回答(TKGQA)への関心が高まっている。 しかし、この分野は時間的問題の定義においてあいまいさを伴い、既存のTKGQAの手法の体系的な分類を欠いている。 そこで本研究では,時間的質問の分類とTKGQAの方法論的分類という2つの観点から,徹底的な調査を行った。 具体的には、まず、先行研究に携わる時間的疑問の詳細な分類法を確立する。 その後、セマンティックパーシングベースとTKG埋め込みベースという2つのカテゴリのTKGQAテクニックの総合的なレビューを行う。 本報告では,TKGQA分野の進展をめざした研究の方向性について概説する。 この研究は、TKGQAの包括的な参照として機能し、さらなる研究を促進することを目的としている。

関連論文リスト

• Question Answering Over Spatio-Temporal Knowledge Graph [13.422936134074629]
  時空間知識グラフ質問応答(STKGQA)を組み込んだ1万の自然言語質問からなるデータセットを提案する。 質問から時間的・空間的な情報を抽出することにより、質問をよりよく理解し、STKGから正確な回答を得られる。
  論文  参考訳（メタデータ） (2024-02-18T10:44:48Z)
• A Survey on Temporal Knowledge Graph Completion: Taxonomy, Progress, and Prospects [73.44022660932087]
  時間的特性は、かなりの量の知識で顕著に明らかである。 新たな知識の継続的な出現、構造化されていないデータから構造化された情報を抽出するアルゴリズムの弱点、ソースデータセットにおける情報の欠如を引用する。 TKGC(Temporal Knowledge Graph Completion)のタスクは、利用可能な情報に基づいて行方不明アイテムを予測することを目的として、注目を集めている。
  論文  参考訳（メタデータ） (2023-08-04T16:49:54Z)
• UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph [89.98762327725112]
  KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。 我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
  論文  参考訳（メタデータ） (2022-12-02T04:08:09Z)
• ForecastTKGQuestions: A Benchmark for Temporal Question Answering and Forecasting over Temporal Knowledge Graphs [28.434829347176233]
  時間的知識グラフ(TKGQA)に対する質問応答の関心が高まっている。 TKGQAは時間的知識ベースから関連情報を抽出するために時間的推論技術を必要とする。 本稿では,時間的知識グラフを用いた質問応答の予測という新しい課題を提案する。
  論文  参考訳（メタデータ） (2022-08-12T21:02:35Z)
• RealTime QA: What's the Answer Right Now? [137.04039209995932]
  本稿では,動的質問応答(QA)プラットフォームであるREALTIME QAを紹介する。 GPT-3 や T5 など,大規模事前学習型言語モデルに基づく強力なベースラインモデルを構築した。 GPT-3は、検索された文書が答えを見つけるのに十分な情報を提供していない場合、時代遅れの回答を返す傾向がある。
  論文  参考訳（メタデータ） (2022-07-27T07:26:01Z)
• A Benchmark for Generalizable and Interpretable Temporal Question Answering over Knowledge Bases [67.33560134350427]
  TempQA-WDは時間的推論のためのベンチマークデータセットである。 Wikidataは、最も頻繁にキュレーションされ、公開されている知識ベースである。
  論文  参考訳（メタデータ） (2022-01-15T08:49:09Z)
• TempoQR: Temporal Question Reasoning over Knowledge Graphs [11.054877399064804]
  本稿では,知識グラフに関する複雑な疑問に答える包括的埋め込み型フレームワークを提案する。 提案手法は時間的問題推論(TempoQR)と呼ばれ、TKGの埋め込みを利用して、対象とする特定のエンティティや時間範囲に疑問を定めている。 実験の結果,TempoQRの精度は25～45ポイント向上した。
  論文  参考訳（メタデータ） (2021-12-10T23:59:14Z)
• Complex Temporal Question Answering on Knowledge Graphs [22.996399822102575]
  この研究は、複雑な時間的質問に答える最初のエンドツーエンドシステムであるEXAQTを提示する。 知識グラフ(KG)に関する自然言語の質問には、高いリコールを目標とし、上位ランクの精度を目標とする2つのステージで答える。 我々は、様々な汎用KG-QAベンチマークから収集された16kの時間的質問の大規模なデータセットであるTimeQuestionsのEXAQTを評価する。
  論文  参考訳（メタデータ） (2021-09-18T13:41:43Z)
• A Survey on Complex Question Answering over Knowledge Base: Recent Advances and Challenges [71.4531144086568]
  知識ベース(KB)に対する質問回答(QA)は、自然言語の質問に自動的に答えることを目的としている。 研究者は、よりKBのトリプルと制約推論を必要とする単純な質問から複雑な質問へと注意を移した。
  論文  参考訳（メタデータ） (2020-07-26T07:13:32Z)

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。