論文の概要: Bridging Structure and Semantics: Knowledge Graph Verification via Triple-to-Text Alignment

• arxiv url: http://arxiv.org/abs/2611.07780v1
• Date: Thu, 05 Nov 2026 10:19:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.655758
• Title: Bridging Structure and Semantics: Knowledge Graph Verification via Triple-to-Text Alignment
• Title（参考訳）: ブリッジ構造と意味論:三重テキストアライメントによる知識グラフの検証
• Abstract要約: 直列化形式と生成した自然言語表現の両方を用いてトリプルをスコアする生成検証器であるGenVerを提案する。 実験により、生成された表現は3つの分類に役立つことが示唆され、ケース分析は意味的ドリフトや高信頼の誤りも露呈する。
• 参考スコア（独自算出の注目度）: 0.7473616955477219
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic accuracy is an important dimension of knowledge graph quality. Graph-based scoring methods exploit relational structure, while textual representations allow classifiers to draw on knowledge encoded by pre-trained language models (PLMs). We present GenVer, a generative verifier that scores triples using both their serialized form and generated natural language representations (NLRs). A triple-text alignment procedure selects training pairs for a sequence-to-sequence generator; a BERT-based classifier then combines features from each triple and its generated NLR. On four FactFB variants, constructed from FB15k using perturbed negative triples, GenVer obtains the highest classification accuracy among the evaluated baselines, ranging from 88.56% to 91.52%. The experiments suggest that generated representations can help triple classification, while the case analysis also exposes semantic drift and high-confidence errors.
• Abstract（参考訳）: 意味的精度は知識グラフの品質の重要な次元である。 グラフベースのスコアリング手法は関係構造を利用しており、テキスト表現は、事前訓練された言語モデル(PLM)によって符号化された知識に基づいて分類器を描画することができる。 直列化形式と生成自然言語表現(NLR)の両方を用いて三重化をスコアする生成検証器であるGenVerを提案する。 三重テキストアライメントプロシージャは、シーケンス対シーケンスジェネレータのトレーニングペアを選択し、BERTベースの分類器は、各トリプルと生成されたNLRの特徴を組み合わせる。 摂動型負の三重項を用いてFB15kから構築された4つのFactFB変種について、GenVerは88.56%から91.52%の範囲で評価されたベースラインの最も高い分類精度を得る。 実験の結果、生成した表現は3つの分類に役立ち、ケース分析は意味的ドリフトや高信頼の誤りも露呈することがわかった。

関連論文リスト

• Targeted Syntactic Evaluation of Language Models on Georgian Case Alignment [0.7161783472741746]
  主観的および対象的マーキングは, 名詞形, 語形, 形容詞形, 形容詞形, 形容詞形, 形容詞形, 形容詞形, 形容詞形, 形容詞形, 形容詞形, 形容詞形, 形容詞形, 形容詞形, 形容詞形, 形容詞形 それぞれ50～70のサンプルを含む7つのタスクからなる370の構文テストデータセットを作成します。 モデルでは、厳格なケースを正しく割り当てる上では最悪の結果となり、優越的なケースを正しく割り当てる上で最強となった。
  論文  参考訳（メタデータ） (2026-02-11T09:05:02Z)
• Broken Tokens? Your Language Model can Secretly Handle Non-Canonical Tokenizations [83.93566096400723]
  ランダムにサンプリングされたトークン化が与えられた場合、命令調整されたモデルは元の性能の最大93.4%を維持している。 文字レベルのセグメンテーションは文字列操作とコード理解タスクを最大+14%改善する。 右列桁のグルーピングは、大数の算術を+33%向上させる。
  論文  参考訳（メタデータ） (2025-06-23T18:02:26Z)
• Multitask Fine-Tuning and Generative Adversarial Learning for Improved Auxiliary Classification [0.0]
  3つの下流タスクをマルチタスクで微調整するための新しいBERTアーキテクチャを実装した。 我々のモデルであるMultitask BERTは、レイヤ共有とトリプルトアーキテクチャ、カスタム文ペアトークン化、損失ペアリング、勾配手術を取り入れています。 また、BERTに生成逆学習を適用し、潜在空間から写像して偽の埋め込みを生成する条件付きジェネレータモデルを構築した。
  論文  参考訳（メタデータ） (2024-08-11T20:05:54Z)
• Towards Realistic Zero-Shot Classification via Self Structural Semantic Alignment [53.2701026843921]
  大規模事前訓練型視覚言語モデル(VLM)はゼロショット分類に有効であることが証明されている。 本稿では,アノテーションではなく,より広い語彙を前提とした,より難易度の高いゼロショット分類(Realistic Zero-Shot Classification)を提案する。 本稿では,ラベルのないデータから構造意味情報を抽出し,同時に自己学習を行う自己構造意味アライメント(S3A)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-24T17:56:46Z)
• Scalable Learning of Latent Language Structure With Logical Offline Cycle Consistency [71.42261918225773]
  概念的には、LOCCOは、トレーニング対象のセマンティクスを使用してラベルなしテキストのアノテーションを生成する、自己学習の一形態と見なすことができる。 追加ボーナスとして、LOCCOによって生成されたアノテーションは、神経テキスト生成モデルをトレーニングするために自明に再利用することができる。
  論文  参考訳（メタデータ） (2023-05-31T16:47:20Z)
• Repurposing Knowledge Graph Embeddings for Triple Representation via Weak Supervision [77.34726150561087]
  現在の方法では、事前訓練されたモデルからの実体と述語埋め込みを使わずに、スクラッチから三重埋め込みを学習する。 本研究では,知識グラフからトリプルを自動抽出し,事前学習した埋め込みモデルからそれらのペアの類似性を推定する手法を開発した。 これらのペアの類似度スコアは、細い三重表現のためにシームズ様のニューラルネットワークに供給される。
  論文  参考訳（メタデータ） (2022-08-22T14:07:08Z)
• From Discrimination to Generation: Knowledge Graph Completion with Generative Transformer [41.69537736842654]
  我々は、知識グラフ補完を事前学習された言語モデルを用いて、シーケンスからシーケンスへ変換するGenKGCのアプローチを提案する。 本稿では,より優れた表現学習と高速推論を実現するために,関係誘導型実演と実体認識型階層デコーディングを導入する。 また、研究目的のために、新しい大規模中国の知識グラフデータセットAliopenKG500もリリースした。
  論文  参考訳（メタデータ） (2022-02-04T12:52:32Z)

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。