抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
一組の概念上の推論の能力で文章を生成するように,機械をエンパワーするのを目標とするジェネラティブコモンセンス推論は,テキスト生成にとって重大なボトルネックである。最先端の事前訓練言語生成モデルでさえ,このタスクで苦労し,しばしば不可聴で異常な文を生成する。1つの理由は,それらが共通センス概念の中で豊富な関係情報を提供できる知識グラフを組み込むことをめったに考慮しないことである。テキスト生成に対する共通センス推論の能力を促進するために,知識グラフを通して概念の複雑な関係を含み,出力としてより論理的で自然な文章を生成する,新しい知識グラフ拡張事前訓練言語生成モデルKG-BARTを提案した。さらに,KG-BARTは,グラフの注意を利用して,豊富な概念意味論を集約し,それは,非意味概念集合に関するモデル一般化を強化する。ベンチマーク共通Genデータセットに関する実験は,いくつかの強い事前訓練言語生成モデルと比較して,提案したアプローチの有効性を検証し,特にKG-BARTはBLEU-3,4に関して5.80,4.60でBARTより優れている。さらに,このモデルにより生成されたコンテキストは,下流コモンセンスQAタスクの利益を得る背景シナリオとして機能できることを示した。【JST・京大機械翻訳】