論文の概要: An Entity Linking Agent for Question Answering

• arxiv url: http://arxiv.org/abs/2508.03865v1
• Date: Tue, 05 Aug 2025 19:28:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-07 20:09:22.426617
• Title: An Entity Linking Agent for Question Answering
• Title（参考訳）: 質問応答のためのエンティティリンクエージェント
• Authors: Yajie Luo, Yihong Wu, Muzhi Li, Fengran Mo, Jia Ao Sun, Xinyu Wang, Liheng Ma, Yingxue Zhang, Jian-Yun Nie,
• Abstract要約: 本稿では,人間の認知タスクをシミュレートする大規模言語モデルに基づく質問応答システム(QA)のためのエンティティリンクエージェントを提案する。 エージェントは、エンティティの言及を積極的に識別し、候補エンティティを検索し、決定する。 その結果, エージェントの堅牢性と有効性が確認された。
• 参考スコア（独自算出の注目度）: 26.235591344527567
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Some Question Answering (QA) systems rely on knowledge bases (KBs) to provide accurate answers. Entity Linking (EL) plays a critical role in linking natural language mentions to KB entries. However, most existing EL methods are designed for long contexts and do not perform well on short, ambiguous user questions in QA tasks. We propose an entity linking agent for QA, based on a Large Language Model that simulates human cognitive workflows. The agent actively identifies entity mentions, retrieves candidate entities, and makes decision. To verify the effectiveness of our agent, we conduct two experiments: tool-based entity linking and QA task evaluation. The results confirm the robustness and effectiveness of our agent.
• Abstract（参考訳）: 質問回答(QA)システムは、正確な回答を提供するために知識ベース(KB)に依存している。 エンティティリンク(EL)は、自然言語の参照をKBエントリにリンクする上で重要な役割を果たす。 しかし、既存のELメソッドの多くは、長いコンテキスト向けに設計されており、QAタスクにおいて短く曖昧なユーザ質問ではうまく機能しない。 本稿では,人間の認知ワークフローをシミュレートする大規模言語モデルに基づくQAのためのエンティティリンクエージェントを提案する。 エージェントは、エンティティの言及を積極的に識別し、候補エンティティを検索し、決定する。 エージェントの有効性を検証するため,ツールベースのエンティティリンクとQAタスク評価という2つの実験を行った。 その結果, エージェントの堅牢性と有効性が確認された。

関連論文リスト

• The benefits of query-based KGQA systems for complex and temporal questions in LLM era [55.20230501807337]
  大規模言語モデルは質問回答(QA)に優れていますが、マルチホップ推論や時間的質問には苦戦しています。 クエリベースの知識グラフ QA (KGQA) は、直接回答の代わりに実行可能なクエリを生成するモジュール形式の代替手段を提供する。 WikiData QAのためのマルチステージクエリベースのフレームワークについて検討し、課題のあるマルチホップと時間ベンチマークのパフォーマンスを向上させるマルチステージアプローチを提案する。
  論文  参考訳（メタデータ） (2025-07-16T06:41:03Z)
• QLASS: Boosting Language Agent Inference via Q-Guided Stepwise Search [89.97082652805904]
  提案するQLASS(Q-guided Language Agent Stepwise Search)は,Q-valueを推定してアノテーションを自動的に生成する。 ステップワイズガイダンスにより、言語エージェントが長期的価値に適応できるようにQ誘導型生成戦略を提案する。 我々はQLASSが質的分析によってより効果的な意思決定につながることを実証的に実証した。
  論文  参考訳（メタデータ） (2025-02-04T18:58:31Z)
• Multi-Agents Based on Large Language Models for Knowledge-based Visual Question Answering [6.6897007888321465]
  知識に基づく視覚質問応答のための投票フレームワークを提案する。 チーム内のさまざまなレベルのスタッフをシミュレートする3つのエージェントを設計し、利用可能なツールをレベルに応じて割り当てます。 OK-VQA と A-OKVQA の実験により,本手法は,それぞれ2.2 と 1.0 の他のベースラインよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-24T11:24:56Z)
• Multi-LLM QA with Embodied Exploration [55.581423861790945]
  未知環境における質問応答におけるマルチエンボディードLEMエクスプローラ(MELE)の利用について検討する。 複数のLSMベースのエージェントが独立して家庭用環境に関する質問を探索し、回答する。 各問合せに対して1つの最終回答を生成するために,異なるアグリゲーション手法を解析する。
  論文  参考訳（メタデータ） (2024-06-16T12:46:40Z)
• Is the House Ready For Sleeptime? Generating and Evaluating Situational Queries for Embodied Question Answering [48.43453390717167]
  本研究では,家庭環境における状況問合せ(S-EQA)による身体的質問回答の課題を提示し,解決する。 以前のEQAの作業とは異なり、状況的クエリでは、エージェントが複数のオブジェクト状態を正しく識別し、回答のために状態に関するコンセンサスに到達する必要がある。 本稿では, LLMの出力をラップして, 独自のコンセンサスクエリとそれに対応するコンセンサスオブジェクト情報を生成する新しいPrompt-Generate-Evaluateスキームを提案する。
  論文  参考訳（メタデータ） (2024-05-08T00:45:20Z)
• SQUARE: Automatic Question Answering Evaluation using Multiple Positive and Negative References [73.67707138779245]
  SQuArE (Sentence-level QUestion AnsweRing Evaluation) という新しい評価指標を提案する。 文レベルの抽出(回答選択)と生成(GenQA)の両方のQAシステムでSQuArEを評価する。
  論文  参考訳（メタデータ） (2023-09-21T16:51:30Z)
• Utilizing Background Knowledge for Robust Reasoning over Traffic Situations [63.45021731775964]
  我々は、インテリジェントトランスポーテーションの補完的な研究側面である交通理解に焦点を当てる。 本研究は,豊富なコモンセンス知識を前提として,テキストベースの手法とデータセットを対象とする。 交通状況に対するゼロショットQAには3つの知識駆動アプローチを採用しています。
  論文  参考訳（メタデータ） (2022-12-04T09:17:24Z)
• Community Question Answering Entity Linking via Leveraging Auxiliary Data [7.834536363163232]
  本稿では,CQAテキストから検出されたテキストエンティティ参照と,それに対応するエンティティを知識ベースでリンクするCQAエンティティリンク(CQAEL)を提案する。 従来のエンティティリンク方式は、主にニュースドキュメント内のエンティティのリンクに焦点を当てている。 本稿では,異なる種類の補助データから得られる知識を効果的に活用し,リンク性能を向上させるためのトランスフォーマーベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-24T09:25:18Z)
• ASQA: Factoid Questions Meet Long-Form Answers [35.11889930792675]
  この研究は、解釈によって異なる正しい答えを持つ、あいまいな事実型問題に焦点を当てている。 曖昧な質問に対する回答は、複数の情報源からの事実情報を長文の要約にまとめるべきである。 我々は、この正確性の概念を用いて、ASQAのパフォーマンスの自動測定基準を定義します。
  論文  参考訳（メタデータ） (2022-04-12T21:58:44Z)
• Efficient Contextualization using Top-k Operators for Question Answering over Knowledge Graphs [24.520002698010856]
  本研究は,KB対応信号を用いて検索空間の無関係な部分を抽出する効率的なECQAを提案する。 最近の2つのQAベンチマークによる実験では、解答の有無、検索空間のサイズ、ランタイムに関して、最先端のベースラインよりもECQAの方が優れていることが示されている。
  論文  参考訳（メタデータ） (2021-08-19T10:06:14Z)
• Generating Diverse and Consistent QA pairs from Contexts with Information-Maximizing Hierarchical Conditional VAEs [62.71505254770827]
  非構造化テキストを文脈として与えられたQAペアを生成するための条件付き変分オートエンコーダ(HCVAE)を提案する。 我々のモデルは、トレーニングにわずかなデータしか使わず、両方のタスクの全てのベースラインに対して印象的なパフォーマンス向上が得られる。
  論文  参考訳（メタデータ） (2020-05-28T08:26:06Z)
• Harvesting and Refining Question-Answer Pairs for Unsupervised QA [95.9105154311491]
  教師なし質問回答(QA)を改善するための2つのアプローチを提案する。 まず、ウィキペディアから語彙的・構文的に異なる質問を抽出し、質問応答対のコーパスを自動的に構築する(RefQAと名づけられる)。 第2に、より適切な回答を抽出するためにQAモデルを活用し、RefQA上でデータを反復的に洗練する。
  論文  参考訳（メタデータ） (2020-05-06T15:56:06Z)

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。