本論文では、オントロジーに欠けている知識を予測する問題を扱っている。この問題は、よく研究されているタクソノミー拡張タスクの一般化と考えられる。
まず、自然言語推論(NLI)を用いる手法について説明する。NLIでは、オントロジーのルールを自然言語の前提と仮説として扱い、言語モデルの知識を活用してルールの妥当性を判断する。
次に、コンセプト埋め込みを用いる手法について説明する。コンセプト間の類似性を捉えることで、既存のルールと類似したルールを予測することができる。グラフニューラルネットワーク(GNN)を用いてこの直感を実装している。
実験の結果、NLIベースの手法とコンセプト埋め込みベースの手法は相補的であり、ハイブリッド手法が最も良い結果を示すことが分かった。一方で、大規模言語モデルでも、オントロジー補完は依然として非常に難しい課題であることが明らかになった。
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Na Li,Thomas... ב- arxiv.org 03-27-2024
https://arxiv.org/pdf/2403.17216.pdfשאלות מעמיקות