論文の概要: A Method for Multi-Hop Question Answering on Persian Knowledge Graph
- arxiv url: http://arxiv.org/abs/2501.16350v1
- Date: Sat, 18 Jan 2025 18:11:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-02 08:21:52.858490
- Title: A Method for Multi-Hop Question Answering on Persian Knowledge Graph
- Title(参考訳): ペルシャ知識グラフを用いたマルチホップ質問応答法
- Authors: Arash Ghafouri, Mahdi Firouzmandi, Hasan Naderi,
- Abstract要約: 主要な課題は、特にペルシア語で、複数のホップの複雑な質問に答えることである。
主な課題の1つは、これらのマルチホップ複雑な質問を意味的に等価なSPARQLクエリに正確に理解し、変換することである。
本研究では,5600件のペルシャ語マルチホップ複合質問のデータセットを,質問の意味的表現に基づく形式とともに開発した。
ペルシャの知識グラフを用いて複雑な質問に答えるためのアーキテクチャが提案された。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Question answering systems are the latest evolution in information retrieval technology, designed to accept complex queries in natural language and provide accurate answers using both unstructured and structured knowledge sources. Knowledge Graph Question Answering (KGQA) systems fulfill users' information needs by utilizing structured data, representing a vast number of facts as a graph. However, despite significant advancements, major challenges persist in answering multi-hop complex questions, particularly in Persian. One of the main challenges is the accurate understanding and transformation of these multi-hop complex questions into semantically equivalent SPARQL queries, which allows for precise answer retrieval from knowledge graphs. In this study, to address this issue, a dataset of 5,600 Persian multi-hop complex questions was developed, along with their decomposed forms based on the semantic representation of the questions. Following this, Persian language models were trained using this dataset, and an architecture was proposed for answering complex questions using a Persian knowledge graph. Finally, the proposed method was evaluated against similar systems on the PeCoQ dataset. The results demonstrated the superiority of our approach, with an improvement of 12.57% in F1-score and 12.06% in accuracy compared to the best comparable method.
- Abstract(参考訳): 質問応答システムは、自然言語の複雑なクエリを受け入れ、構造化されていない知識ソースと構造化されていない知識ソースの両方を使用して正確な回答を提供するように設計された、情報検索技術の最新の進化である。
知識グラフ質問回答(KGQA)システムは、構造化データを利用して、膨大な事実をグラフとして表現することで、ユーザの情報ニーズを満たす。
しかし、大きな進歩があったにも拘わらず、特にペルシアでは、複数のホップの複雑な疑問に答える上で大きな課題が続いている。
主な課題の1つは、これらのマルチホップ複雑な質問の正確な理解と変換を意味的に等価なSPARQLクエリに変換し、知識グラフからの正確な回答検索を可能にすることである。
本研究では,この問題に対処するために,5600のペルシャ・マルチホップ複雑な質問のデータセットと,質問の意味表現に基づく分解形式を開発した。
その後、ペルシア語モデルがこのデータセットを使用してトレーニングされ、ペルシア語知識グラフを使用して複雑な質問に答えるためのアーキテクチャが提案された。
最後に,提案手法をPeCoQデータセット上の類似システムに対して評価した。
その結果,F1スコアが12.57%,精度が12.06%向上した。
関連論文リスト
- QAGCF: Graph Collaborative Filtering for Q&A Recommendation [58.21387109664593]
質問と回答(Q&A)プラットフォームは通常、ユーザの知識獲得のニーズを満たすために質問と回答のペアを推奨する。
これにより、ユーザの振る舞いがより複雑になり、Q&Aレコメンデーションの2つの課題が提示される。
グラフニューラルネットワークモデルであるQ&Answer Graph Collaborative Filtering (QAGCF)を導入する。
論文 参考訳(メタデータ) (2024-06-07T10:52:37Z) - Answering Ambiguous Questions with a Database of Questions, Answers, and
Revisions [95.92276099234344]
ウィキペディアから生成される曖昧な質問のデータベースを利用して、あいまいな質問に答えるための新しい最先端技術を提案する。
提案手法は,リコール対策で15%,予測出力から不明瞭な質問を評価する尺度で10%向上する。
論文 参考訳(メタデータ) (2023-08-16T20:23:16Z) - IslamicPCQA: A Dataset for Persian Multi-hop Complex Question Answering
in Islamic Text Resources [0.0]
本稿では,非構造化情報ソースに基づく複雑な質問に回答するためのISISPCQAデータセットを紹介する。
準備されたデータセットは、幅広いイスラムのトピックをカバーし、このテーマの中で複雑なペルシアの質問への答えを容易にすることを目的としている。
論文 参考訳(メタデータ) (2023-04-23T14:20:58Z) - 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) - PQuAD: A Persian Question Answering Dataset [0.0]
ペルシア語ウィキペディアの記事のクラウドソース読解データセット。
80,000の質問と回答があり、25%の質問は反対に答えられない。
最先端の事前学習言語モデルに対する実験では,74.8%のエクサクトマッチ (EM) と87.6%のF1スコアが得られた。
論文 参考訳(メタデータ) (2022-02-13T05:42:55Z) - Question Answering Survey: Directions, Challenges, Datasets, Evaluation
Matrices [0.0]
QA分野の研究の方向性は,質問の種類,回答の種類,根拠の源泉,モデリングアプローチに基づいて分析される。
これに続き、自動質問生成、類似性検出、言語に対する低リソース可用性など、この分野のオープンな課題が続きます。
論文 参考訳(メタデータ) (2021-12-07T08:53:40Z) - A Knowledge-based Approach for Answering Complex Questions in Persian [0.0]
ペルシャ語における複雑な質問に答えるための知識に基づくアプローチを提案する。
対応可能な論理形式の集合を構築することで,多制約および多ホップ問題を扱う。
質問に対する答えは、知識グラフから抽出された論理形式への答えから作られる。
論文 参考訳(メタデータ) (2021-07-05T14:01:43Z) - PeCoQ: A Dataset for Persian Complex Question Answering over Knowledge
Graph [0.0]
本稿では,ペルシャ語質問応答のためのデータセットである textitPeCoQ を紹介する。
このデータセットには、ペルシャの知識グラフであるFarsBaseから抽出された1万の複雑な質問と回答が含まれている。
データセットには、マルチリレーション、マルチエンタリティ、順序性、時間的制約など、さまざまな種類の複雑さがある。
論文 参考訳(メタデータ) (2021-06-27T08:21:23Z) - Few-Shot Complex Knowledge Base Question Answering via Meta
Reinforcement Learning [55.08037694027792]
複雑な質問答え(CQA)は、知識ベース(KB)上の複雑な自然言語質問に答える。
従来のニューラルプログラム誘導(NPI)アプローチは、質問の種類が異なる場合、不均一なパフォーマンスを示す。
本稿では,CQAにおけるプログラム誘導のためのメタ強化学習手法を提案する。
論文 参考訳(メタデータ) (2020-10-29T18:34:55Z) - Open Question Answering over Tables and Text [55.8412170633547]
オープンな質問応答(QA)では、質問に対する回答は、質問に対する回答を含む可能性のある文書を検索して分析することによって生成される。
ほとんどのオープンQAシステムは、構造化されていないテキストからのみ情報を取得することを検討している。
我々は,このタスクの性能を評価するために,新しい大規模データセット Open Table-and-Text Question Answering (OTT-QA) を提案する。
論文 参考訳(メタデータ) (2020-10-20T16:48:14Z) - Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。
我々は,読者が情報を求めるための実践的な戦略に携わることを示す。
我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
論文 参考訳(メタデータ) (2020-10-04T19:03:39Z)
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。