文献

J-GLOBAL ID：202202273340045640   整理番号：22A0925160

構造的情報学習による複雑な知識ベース質問応答の改善【JST・京大機械翻訳】

Improving complex knowledge base question answering via structural information learning

著者 (4件)： Zhang Jinhao (School of Computer Science and Engineering, University of Electronic Science and Technology of China, PR China) ,  Zhang Lizong (School of Computer Science and Engineering, University of Electronic Science and Technology of China, PR China) ,  Hui Bei (School of Information and Software Engineering, University of Electronic Science and Technology of China, PR China) ,  Tian Ling (School of Computer Science and Engineering, University of Electronic Science and Technology of China, PR China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 242  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 複雑な質問に対応することは,KBQAの最も困難で貴重な目標の1つである。現在の努力は,質問の徹底的な意味論を抽出するための2つのアプローチに主に従う。情報検索ベースの方法は,質問構造の明示的な解析を直接,無視する傾向がある。そのうえ,質問構造の解析能力を保持するにもかかわらず,意味構文解析ベースの方法は,高価なクエリグラフラベルに依存し,間違った探索のために疎な報酬に悩まされる。両側から利益を得るため,本論文では,KBQAのための新しい意味構文解析モデル,構造情報制約(SIR)を提案した。SIRは,強化ベースの経路推論のための質問の構造的情報を初めて適用した。特に,SIRは,依存性ツリー,構成ツリー,および最初のトークンを合成構造注意(StrucAtt)を構築し,高価なクエリグラフラベルなしで推論を実現する。このような注意機構は,経路特徴と質問構造の間の関係に基づいて,異なる知識経路を識別することにより,経路推論の効率を改善する。さらに,スパース報酬問題を効果的に軽減する,簡単な可変タイプ(ストリング,数など)の代わりに,回答概念(人,位置等)に基づくタイプ支援報酬を設計した。さらに,実験結果は,著者らのモデルがCWQ,CQ,およびWQSPデータセット上でSOTAを達成することを明確に示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： グラフ ,  情報検索 ,  意味論 ,  *学習 ,  *質問 ,  情報 ,  合成構造 ,  構文分析 ,  推論 ,  *知識ベース ,  トークン
準シソーラス用語： クエリー ,  質問応答 , 【Automatic Indexing@JST】

著者キーワード (4件)： 知識ベース ,  知識グラフ ,  質問応答 ,  注意

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 学習 ,  知識ベース ,  質問応答