Core Concepts
自然言語推論とコンセプト埋め込みを組み合わせることで、オントロジーに欠けている知識を効果的に予測できる。
Abstract
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。
Stats
生物学者で英国に住む人は英国の科学者である。
地質学者で英国に住む人は英国の科学者である。
化学者で英国に住む人は英国の科学者である。
Quotes
"オントロジーは、ある与えられたドメインの概念がどのように関係しているかを記述するルールの集まりである。"
"自然言語推論(NLI)アプローチでは、ルールの前提と仮説を自然言語で記述し、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。"
"コンセプト埋め込みアプローチでは、概念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。"