論文の概要: A Conceptual Model for Attributions in Event-Centric Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2503.03563v1
- Date: Wed, 05 Mar 2025 14:51:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-06 15:51:25.693026
- Title: A Conceptual Model for Attributions in Event-Centric Knowledge Graphs
- Title（参考訳）: イベント中心知識グラフにおける属性の概念モデル
- Authors: Florian Plötzky, Katarina Britz, Wolf-Tilo Balke,
- Abstract要約: 本稿では,本論文の原著の延長として,特定の視点でのみ有効である事実の表現を可能にする属性を導入する。
本研究では,視点に依存した情報の表現を可能にする概念モデルを開発する。
- 参考スコア（独自算出の注目度）: 2.520684634800451
- License:
- Abstract: The use of narratives as a means of fusing information from knowledge graphs (KGs) into a coherent line of argumentation has been the subject of recent investigation. Narratives are especially useful in event-centric knowledge graphs in that they provide a means to connect different real-world events and categorize them by well-known narrations. However, specifically for controversial events, a problem in information fusion arises, namely, multiple viewpoints regarding the validity of certain event aspects, e.g., regarding the role a participant takes in an event, may exist. Expressing those viewpoints in KGs is challenging because disputed information provided by different viewpoints may introduce inconsistencies. Hence, most KGs only feature a single view on the contained information, hampering the effectiveness of narrative information access. This paper is an extension of our original work and introduces attributions, i.e., parameterized predicates that allow for the representation of facts that are only valid in a specific viewpoint. For this, we develop a conceptual model that allows for the representation of viewpoint-dependent information. As an extension, we enhance the model by a conception of viewpoint-compatibility. Based on this, we deepen our original deliberations on the model's effects on information fusion and provide additional grounding in the literature.
- Abstract（参考訳）: ナレッジグラフ(KG)からの情報をコヒーレントな議論線に融合させる手段としての物語の利用が,近年の調査の対象となっている。
ナラティブは、様々な現実世界のイベントを結び付けて、よく知られたナレーションで分類する手段を提供するという点において、イベント中心のナレッジグラフにおいて特に有用である。
しかし、特に物議を醸す出来事においては、情報融合の問題、すなわち、ある出来事における参加者の役割に関する特定の事象の側面の妥当性に関する複数の視点が存在しうる。
これらの視点をKGで表現することは困難である。
したがって、ほとんどのKGは含まれた情報に対する単一のビューのみを特徴としており、物語情報アクセスの有効性を妨げている。
本論文は,本論文の原著の拡張であり,特定の視点でのみ有効な事実の表現を可能にする属性,すなわちパラメータ化述語を紹介する。
そこで我々は,視点に依存した情報の表現を可能にする概念モデルを開発した。
拡張として、視点適合性の概念によりモデルを強化する。
そこで本研究では,情報融合に対するモデルの影響について検討し,文献に新たな根拠を与える。
関連論文リスト
- EventGround: Narrative Reasoning by Grounding to Eventuality-centric Knowledge Graphs [41.928535719157054]
本研究では,事象中心の知識グラフに自由文を接地する問題に対処するため,EventGroundと呼ばれる初期包括的フレームワークを提案する。
これらの問題に対処するために、単純で効果的な解析と部分的な情報抽出方法を提案する。
基礎知識を取り入れた我々の枠組みは、解釈可能な証拠を提供しながら最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-03-30T01:16:37Z) - Fine-Grained Modeling of Narrative Context: A Coherence Perspective via Retrospective Questions [48.18584733906447]
この研究は、物語の中の個々の通路が孤立するよりも密接な関係にある傾向があるという特徴から生まれた、物語理解のためのオリジナルで実践的なパラダイムを取り入れたものである。
本稿では,タスク非依存のコヒーレンス依存を明示的に表現したNarCoというグラフを定式化することにより,物語コンテキストのきめ細かいモデリングを提案する。
論文 参考訳（メタデータ） (2024-02-21T06:14:04Z) - Enhancing Argument Structure Extraction with Efficient Leverage of
Contextual Information [79.06082391992545]
本稿では,コンテキスト情報を完全に活用する効率的なコンテキスト認識モデル(ECASE)を提案する。
文脈情報や議論情報を集約するために,シーケンスアテンションモジュールと距離重み付き類似度損失を導入する。
各種ドメインの5つのデータセットに対する実験により,我々のモデルが最先端の性能を達成することを示す。
論文 参考訳（メタデータ） (2023-10-08T08:47:10Z) - It's the Same Old Story! Enriching Event-Centric Knowledge Graphs by
Narrative Aspects [0.3655021726150368]
イベント中心の知識グラフのための新しい軽量な構造を導入し,視点依存と物語的側面を取り入れたクエリを初めて実現した。
本実験は、イベント参加者に対する主観的帰属の効果的な取り込みを証明し、物語クエリ処理に特化して調整された指標の利点を示すものである。
論文 参考訳（メタデータ） (2022-05-08T14:00:41Z) - Type-aware Embeddings for Multi-Hop Reasoning over Knowledge Graphs [18.56742938427262]
実生活知識グラフ(KG)に対するマルチホップ推論は非常に難しい問題である。
この問題に対処するため、最近、論理的クエリとKGを併用した有望なアプローチを導入している。
本稿では,クエリにおけるエンティティと関係表現を強化する新しいTEMP(TypE-aware Message Passing)モデルを提案する。
論文 参考訳（メタデータ） (2022-05-02T10:05:13Z) - Reasoning with Multi-Structure Commonsense Knowledge in Visual Dialog [12.034554338597067]
マルチストラクチャ・コモンセンス・ナレッジ(RMK)を用いた新しいモデルを提案する。
我々のモデルでは、外部知識は文レベルの事実とグラフレベルの事実で表される。
これらの多構造表現の上に、我々のモデルは関連する知識を捉え、それらを視覚と意味的特徴に組み込むことができる。
論文 参考訳（メタデータ） (2022-04-10T13:12:10Z) - Understand me, if you refer to Aspect Knowledge: Knowledge-aware Gated
Recurrent Memory Network [54.735400754548635]
アスペクトレベルの感情分類(ASC)は、レビューで言及された特定の側面に対する微粒な感情極性を予測することを目的としている。
最近のASCの進歩にもかかわらず、マシンが重要な側面の感情を推測できるようにすることは依然として困難である。
本稿では,(1)アスペクト知識の欠如によるアスペクト表現がアスペクトの正確な意味と特性情報を表現するのに不十分であること,(2)先行研究は局所的な構文情報とグローバルな関係情報のみを捉えること,という2つの課題に対処する。
論文 参考訳（メタデータ） (2021-08-05T03:39:30Z) - Generative Counterfactuals for Neural Networks via Attribute-Informed
Perturbation [51.29486247405601]
AIP(Attribute-Informed Perturbation)の提案により,生データインスタンスの反事実を生成するフレームワークを設計する。
異なる属性を条件とした生成モデルを利用することで、所望のラベルとの反事実を効果的かつ効率的に得ることができる。
実世界のテキストや画像に対する実験結果から, 設計したフレームワークの有効性, サンプル品質, および効率が示された。
論文 参考訳（メタデータ） (2021-01-18T08:37:13Z) - Once Upon A Time In Visualization: Understanding the Use of Textual
Narratives for Causality [21.67542584041709]
因果性ビジュアライゼーションは、イベントの時間的連鎖を理解するのに役立つ。
しかし、これらのイベントシーケンスの規模と複雑さが大きくなるにつれて、これらの視覚化でさえ圧倒的に利用できなくなる。
本稿では、因果性可視化を強化するためのデータ駆動型ストーリーテリング手法として、テキスト物語の利用を提案する。
論文 参考訳（メタデータ） (2020-09-06T05:46:24Z) - Explainable Recommender Systems via Resolving Learning Representations [57.24565012731325]
説明はユーザー体験を改善し、システムの欠陥を発見するのに役立つ。
本稿では,表現学習プロセスの透明性を向上させることによって,説明可能な新しい推薦モデルを提案する。
論文 参考訳（メタデータ） (2020-08-21T05:30:48Z) - ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。
我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。
本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文 参考訳（メタデータ） (2020-04-30T14:16:19Z)
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。