将文本片段与结构化知识的关系元素联系起来的自我监督规则学习

沙吉斯·伊克巴尔,乌迪特·夏尔马,希马·卡拉南,苏米特·内拉姆,罗尼·卢斯,Dheeraj Sreedhar公司,帕凡·卡帕尼帕蒂,纳威德·汗,凯尔·埃尔文,Ndivhuwo Makondo公司,易卜拉欣·阿卜杜拉齐兹,阿奇尔·福克,亚历山大·格雷,麦克斯韦尔·克劳斯,苏巴吉特·乔杜里,奇特拉·苏布拉曼尼亚语

摘要
我们提出了一种自学习规则的神经符号方法，这些规则作为可解释知识，用于在知识库问答系统中执行关系链接。这些规则将自然语言文本谓词定义为知识库路径的加权混合。在训练过程中学习的权重有效地服务于执行关系链接所需的映射。我们使用流行的蒙面训练策略来自学规则。我们工作的一个关键区别在于，屏蔽训练操作的是句子的逻辑形式，而不是自然语言文本形式。这提供了从结构化知识源中提取扩展上下文信息的机会，并使用这些信息构建健壮的、人类可读的规则。我们通过使用这些学习规则来预测CLUTRR数据集中缺失的亲属关系以及使用SWQ-WD数据集的KBQA系统中的关系链接，来评估这些学习规则的准确性和有用性。结果证明了我们方法的有效性——它的可推广性、可解释性以及在CLUTRR数据集上实现17%的平均性能增益的能力。
选集ID：
2023.结果-emnlp.117
体积：
计算语言学协会的发现：EMNLP 2023
月份：
十二月
年份：
2023
地址：
新加坡
编辑：
Houda Bouamor公司,胡安·皮诺,卡利卡-巴厘岛
地点：
调查结果
SIG公司：
出版商：
计算语言学协会
注：
页：
1707–1718
语言：
网址：
https://acl选集.org/2023.findings-emnlp.117
内政部：
10.18653/v1/2023.查找-emnlp.117
比比键：
引用（ACL）：
沙吉斯·伊克巴尔（Shajith Ikbal）、乌迪特·沙尔马（Udit Sharma）、希马·卡拉南（Hima Karanam）、苏米特·内拉姆（Sumit Neelam）、罗尼·卢斯（Ronny Luss）、德拉吉·斯里德哈尔（Dheeraj Sreedhar）、帕万·卡帕尼帕蒂（Pavan Kapanipathi）、纳威德·汗（Naweed Khan）、凯尔·埃尔文（Kyle Erwin）、恩迪夫胡沃·马孔多（Ndivhuwo。2023将文本片段与结构化知识的关系元素联系起来的自我监督规则学习.英寸计算语言学协会的发现：EMNLP 2023，第1707–1718页，新加坡。计算语言学协会。
引用（非正式）：
将文本片段与结构化知识的关系元素联系起来的自我监督规则学习（Ikbal等人，2023年调查结果）
复制引文：
PDF格式：
https://aclantology.org/2023.findings-emnlp.117.pdf
视频：
 https://aclantology.org/2023.findings-emnlp.117.mp4网址
PDF格式 引用 搜索 视频