Core Concepts
大規模言語モデルを活用して、未知の関係を予測するTKGFモデルの性能向上を実現する方法について解説。
Abstract
この論文は、時間的知識グラフ(TKG)上でのゼロショット関係学習に焦点を当てています。大規模言語モデル(LLM)から抽出した意味情報をTKG表現学習に導入し、リレーション履歴学習者(RHL)モジュールを使用してより良い推論を行います。実験結果は、ゼロショット関係の予測性能が向上し、既知の関係に対する性能も保持されることを示しています。
概要:
知識グラフ(KG)と時間的知識グラフ(TKG)の重要性
TKGF方法とその制約
LLMとERD生成手法
T5-11BエンコーダーへのERD入力方法
RHLによるリレーションパターンキャプチャ方法
方法:
ERD生成手法が重要であることが示された。
RHLはすべてのTKGFモデルに利益をもたらすことが確認された。
LLMサイズがTKGFに与える影響が明らかになった。
結果:
zrLLMはゼロショット関係予測性能を大幅に向上させる。
既知の関係でも一部モデルで改善が見られる。
Stats
大規模言語モデル(LLM)から抽出した意味情報を導入することで、TKGFモデルの性能向上が実証されました。