論文の概要: T-KAER: Transparency-enhanced Knowledge-Augmented Entity Resolution Framework

• arxiv url: http://arxiv.org/abs/2410.00218v1
• Date: Mon, 30 Sep 2024 20:32:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 06:56:01.904400
• Title: T-KAER: Transparency-enhanced Knowledge-Augmented Entity Resolution Framework
• Title（参考訳）: T-KAER: 透明性向上した知識強化エンティティ解決フレームワーク
• Authors: Lan Li, Liri Fang, Yiren Liu, Vetle I. Torvik, Bertram Ludaescher,
• Abstract要約: 本稿では、Transparency-enhanced Knowledge-Augmented Entity ResolutionフレームワークであるT-KAERを紹介する。 透明性を高めるため、3つの透明性関連質問(T-Qs)が提案されている。 T-Qに対処するため、T-KAERはログファイル内のエンティティ解決プロセスを文書化することで透明性を向上させるように設計されている。
• 参考スコア（独自算出の注目度）: 2.8894038270224858
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Entity resolution (ER) is the process of determining whether two representations refer to the same real-world entity and plays a crucial role in data curation and data cleaning. Recent studies have introduced the KAER framework, aiming to improve pre-trained language models by augmenting external knowledge. However, identifying and documenting the external knowledge that is being augmented and understanding its contribution to the model's predictions have received little to no attention in the research community. This paper addresses this gap by introducing T-KAER, the Transparency-enhanced Knowledge-Augmented Entity Resolution framework. To enhance transparency, three Transparency-related Questions (T-Qs) have been proposed: T-Q(1): What is the experimental process for matching results based on data inputs? T-Q(2): Which semantic information does KAER augment in the raw data inputs? T-Q(3): Which semantic information of the augmented data inputs influences the predictions? To address the T-Qs, T-KAER is designed to improve transparency by documenting the entity resolution processes in log files. In experiments, a citation dataset is used to demonstrate the transparency components of T-KAER. This demonstration showcases how T-KAER facilitates error analysis from both quantitative and qualitative perspectives, providing evidence on "what" semantic information is augmented and "why" the augmented knowledge influences predictions differently.
• Abstract（参考訳）: エンティティ解決(ER)は、2つの表現が同じ現実世界のエンティティを指すかどうかを判断するプロセスであり、データキュレーションとデータのクリーニングにおいて重要な役割を果たす。 近年,外的知識を増大させることにより,事前学習型言語モデルの改善を目的としたKAERフレームワークが導入されている。 しかし、拡張されている外部知識を特定し、そのモデルの予測への貢献を理解することは、研究コミュニティではほとんど関心を示さなかった。 本稿では、このギャップを解決するために、Transparency-enhanced Knowledge-Augmented Entity ResolutionフレームワークであるT-KAERを導入する。 透明性を高めるために、3つの透明性関連質問(T-Q)が提案されている。 T-Q(2): KAERは生データ入力にどの意味情報を付加するのか? T-Q(3): 拡張データ入力のセマンティック情報は予測に影響を与えるか? T-Qに対処するため、T-KAERはログファイル内のエンティティ解決プロセスを文書化することで透明性を向上させるように設計されている。 実験では、T-KAERの透明性コンポーネントを示すために、引用データセットが使用される。 このデモンストレーションでは、T-KAERが量的および質的な視点からエラー分析を促進する方法を示し、意味情報が拡張されていることや、強化された知識が予測に異なる影響を与える理由を示す。

関連論文リスト

• Explainability for Transparent Conversational Information-Seeking [13.790574266700006]
  本研究は,反応を説明する様々な方法について考察する。 本研究は,説明タイプ,品質,提示モードの透過性を探索することにより,システム生成応答とユーザが検証可能な応答とのギャップを埋めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-06T09:25:14Z)
• Advancing Aspect-Based Sentiment Analysis through Deep Learning Models [4.0064131990718606]
  本研究では,セティシィス(SentiSys)と呼ばれる革新的なエッジ強化GCNを導入し,無傷な特徴情報を保存しながら構文グラフをナビゲートする。 実験結果から,SentiSysを用いたアスペクトベース感情分析の性能向上が示された。
  論文  参考訳（メタデータ） (2024-04-04T07:31:56Z)
• Injecting linguistic knowledge into BERT for Dialogue State Tracking [60.42231674887294]
  本稿では,教師なしの枠組みを用いて言語知識を抽出する手法を提案する。 次に、この知識を用いて、対話状態追跡(DST)タスクにおけるBERTの性能と解釈可能性を高める。 このフレームワークを様々なDSTタスクでベンチマークし、精度の顕著な改善を観察する。
  論文  参考訳（メタデータ） (2023-11-27T08:38:42Z)
• Disentangled Representation Learning with Transmitted Information Bottleneck [57.22757813140418]
  textbfDisTIB (textbfTransmitted textbfInformation textbfBottleneck for textbfDisd representation learning) は情報圧縮と保存のバランスを保った新しい目的である。
  論文  参考訳（メタデータ） (2023-11-03T03:18:40Z)
• Distinguish Before Answer: Generating Contrastive Explanation as Knowledge for Commonsense Question Answering [61.53454387743701]
  本稿では,概念中心のPrompt-bAsed Contrastive Explanation GenerationモデルであるCPACEを提案する。 CPACEは、得られたシンボル知識を、与えられた候補間の差異をよりよく区別するために、対照的な説明に変換する。 本稿では,CSQA,QASC,OBQAの3つの質問回答データセットについて実験を行った。
  論文  参考訳（メタデータ） (2023-05-14T12:12:24Z)
• Interpretable Sentence Representation with Variational Autoencoders and Attention [0.685316573653194]
  自然言語処理(NLP)における近年の表現学習技術の解釈可能性を高める手法を開発した。 変動オートエンコーダ (VAEs) は, 遅延生成因子の観測に有効である。 帰納的バイアスを持つ2つのモデルを構築し、潜在表現の情報を注釈付きデータなしで理解可能な概念に分離する。
  論文  参考訳（メタデータ） (2023-05-04T13:16:15Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• KAT: A Knowledge Augmented Transformer for Vision-and-Language [56.716531169609915]
  我々は、OK-VQAのオープンドメインマルチモーダルタスクにおいて、最先端の強力な結果をもたらす新しいモデルである知識拡張トランスフォーマー(KAT)を提案する。 提案手法は,エンド・ツー・エンドのエンコーダ・デコーダアーキテクチャにおいて暗黙的かつ明示的な知識を統合しつつ,回答生成時に両知識源を共同で推論する。 我々の分析では、モデル予測の解釈可能性の向上に、明示的な知識統合のさらなる利点が見られる。
  論文  参考訳（メタデータ） (2021-12-16T04:37:10Z)
• Uncertainty as a Form of Transparency: Measuring, Communicating, and Using Uncertainty [66.17147341354577]
  我々は,モデル予測に関連する不確実性を推定し,伝達することにより,相補的な透明性の形式を考えることについて議論する。 モデルの不公平性を緩和し、意思決定を強化し、信頼できるシステムを構築するために不確実性がどのように使われるかを説明する。 この研究は、機械学習、可視化/HCI、デザイン、意思決定、公平性にまたがる文学から引き出された学際的レビューを構成する。
  論文  参考訳（メタデータ） (2020-11-15T17:26:14Z)

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。