Sentences with Gapping: Parsing and Reconstructing Elided Predicates
Stanford University(斯坦福大学);Uppsala University(乌普萨拉大学)
有间隔的句子,如Paul likes coffee and Mary tea,缺少一个显性谓词来表示两个或多个论元之间的关系。这样的句子的表面句法表示通常由解析器产生得很差,并且即使正确,也不能很好地适合于下游自然语言理解任务,例如通常被设计为从具有规范子句结构的句子中提取信息的关系抽取。在本文中,我们提出了两种方法来解析到一个通用的消隐图表示,显式编码的省略材料与额外的节点和边缘。我们发现,这两种方法可以重建省略材料的依赖树,具有高精度时,解析器正确预测存在的差距。我们进一步证明,我们的方法之一,可以适用于其他语言的基础上对瑞典语的案例研究。
2018-04-18 cs.CL
Exploiting Duality in Open Information Extraction with Predicate Prompt
Fudan University(复旦大学);East China University of Science and Technology(华东理工大学);Meituan(美团)
本文提出生成式OpenIE模型DualOIE,通过“三元组转句子”的对偶任务及谓词序列提示提升复杂三元组抽取效果,并在基准、美团数据集和在线A/B测试中验证其性能与业务收益。
2024-01-20 cs.CL cs.IR
Semantic Role Labeling Meets Definition Modeling: Using Natural Language to Describe Predicate-Argument Structures
Sapienza University of Rome(罗马第一大学);Babelscape(巴贝尔斯凯普)
过去和现在的语义角色标注(SRL)方法的一个共同特点是它们依赖于从预定义的语言库中提取的离散标签来对谓词意义及其论元进行分类。然而,我们认为情况不一定如此。在本文中,我们提出了一种方法,利用定义建模引入一个广义的制定SRL的任务描述谓词参数结构使用自然语言定义,而不是离散的标签。我们的新配方的第一步,把可解释性和灵活性放在首位,但我们的实验和分析PropBank风格和FrameNet风格,依赖性为基础的和跨度为基础的SRL也表明,一个灵活的模型与可解释的输出不一定是以牺牲性能。我们在https://github.com/SapienzaNLP/dsrl上发布我们的软件用于研究目的。
2022-12-02 cs.AI cs.CL cs.LG
APPTeK: Agent-Based Predicate Prediction in Temporal Knowledge Graphs
Christian-Albrecht University of Kiel(基尔克里斯蒂安-阿尔布雷希特大学);LMU Munich(慕尼黑大学)
在时间知识图谱(tKG)中,时间维度被附加到知识库中的事实,导致实体之间的四元组,例如(任天堂,发布,超级马里奥,1985年9月13日),其中谓词在时间间隔内或在时间戳处保持。我们提出了一个强化学习代理收集查询实体的邻域的时间相关信息,同时。我们将所探索的图结构的编码称为指纹,其用作Q网络的输入。我们的代理决定顺序的关系类型需要探索下一个扩展查询实体的本地子图。我们的评估表明,所提出的方法产生竞争力的结果相比,国家的最先进的嵌入算法的tKG,我们还获得有关主体和对象之间的相关结构的信息。
2022-07-21 cs.AI cs.LG
Trust from the past: Bayesian Personalized Ranking based Link Prediction in Knowledge Graphs
Pacific Northwest National Laboratory(太平洋西北国家实验室);Washington State University(华盛顿州立大学)
链接预测,即根据知识图谱中的链接的存在状态预测其可能性,是一项关键的研究任务。它与传统的链接预测任务的不同之处在于,知识图中的链接被分类为不同的谓词,并且知识图谱中的不同谓词的链接预测性能通常变化很大。在这项工作中,我们提出了一个潜在的特征嵌入为基础的链接预测模型,认为预测任务的每个谓词分开。为了学习模型参数,它利用基于贝叶斯个性化排名的优化技术。大规模的知识库,如YAGO2的实验结果表明,我们的链接预测方法实现了更高的性能比几个国家的最先进的方法。我们还表明,对于一个给定的谓词的知识图的拓扑性质所引起的给定的谓词边缘的链接预测性能的关键指标,该谓词在知识图谱。
2016-02-15 cs.AI cs.IR cs.LG
Cross-Lingual Predicate Mapping Between Linked Data Ontologies
Indian Institute of Technology Guwahati(印度理工学院古瓦哈提分校);Korea Advanced Institute of Science and Technology(韩国科学技术院)
不同自然语言中的本体通常在图式的丰富性或内部链接的丰富性方面在质量上不同。当将丰富的英语本体与非英语本体进行比较时,这种差异是明显可见的。发现它们之间的一致性是一项有益的努力,因为它是弥合差异的起点。特别是,我们的工作是出于缺乏语言间的联系,在本地化版本的DBpedia的谓词。在本文中,我们提出并证明了一个特设系统,以找到可能的猫头鹰:equivalentProperty在不同的自然语言的本体之间的谓词链接。我们试图实现这种映射,通过使用预先存在的语言间的资源连接给定的谓词。因此,我们的方法强调语义相似性,而不是词汇。此外,通过评估,我们表明,我们的系统是能够优于一个基线系统,这是一个类似于在最近的OAEI运动。
2016-12-06 cs.AI cs.CL
RDF2Rules: Learning Rules from RDF Knowledge Bases by Mining Frequent Predicate Cycles
Beijing Normal University(北京师范大学);Tsinghua University(清华大学)
近年来,几个大规模的RDF知识库被建立起来,并在许多基于知识的应用中得到应用。为了进一步增加RDF知识库中的事实数量,可以使用逻辑规则来预测基于现有事实的新事实。因此,如何从大规模的知识库中自动学习可靠的规则变得越来越重要。在本文中,我们提出了一种新的规则学习方法命名为RDF2Rules的RDF知识库。RDF2Rules首先从知识库中挖掘频繁谓词循环(FPC),然后从挖掘出的FPC中生成规则。由于每个FPC可以产生多个规则,并且在挖掘FPC的过程中使用了有效的剪枝策略,因此RDF2Rules的工作效率非常高。RDF2Rules的另一个优点是它在生成和评估规则时使用实体类型信息,这使得学习的规则更加准确。实验表明,我们的方法优于比较的方法在效率和准确性。
2015-12-24 cs.AI cs.DB
EXPIL: Explanatory Predicate Invention for Learning in Games
Technical University of Darmstadt(达姆施塔特工业大学);Hessian Center for Artificial Intelligence(黑森人工智能中心);German Research Centre for Artificial Intelligence(德国人工智能研究中心);Eindhoven University of Technology(埃因霍温理工大学)
本文提出EXPIL方法,从预训练神经智能体中自动提取谓词用于逻辑智能体,以减少对预定义背景知识的依赖,并在多种游戏中验证其能以更少背景知识实现可解释行为。
2024-06-10 cs.AI
Clustering Semantic Predicates in the Open Research Knowledge Graph
TIB Leibniz Information Centre for Science and Technology(莱布尼茨科学技术信息中心)
在语义描述知识图谱时,用户必须对词汇表(即谓词和资源)进行关键选择。KG构建的成功取决于共享词汇的聚合,从而可以建立意义。新KG构造的典型生命周期可以定义如下:图构造的初期阶段经历术语发散,而图构造的后期阶段经历术语收敛和重用。在本文中,我们描述了我们的方法定制两个基于AI的聚类算法推荐谓词(RDF语句)的开放式研究知识图谱(ORKG)https://orkg.org/中的资源。这样一个服务,建议现有的谓词语义化新的传入数据的学术出版物是至关重要的促进术语收敛的ORKG。我们的实验显示了非常有前途的结果:在线性运行时性能相对较高的召回率的高精度。此外,这项工作提供了新的见解谓词组,自动松散地作为通用语义化模式跨越44个研究领域的学术知识的语义化。
2022-10-05 cs.AI cs.DL
Perspectival Knowledge in PSOA RuleML: Representation, Model Theory, and Translation
University of New Brunswick(新不伦瑞克大学)
在Positional-Slotted Object-Applicationative(PSOA)RuleML中,谓词应用程序(atom)可以具有对象标识符(Object Identifier,Object IDentifier)和描述符,这些描述符可以是位置参数(元组)或属性值对(slot)。PSOA RuleML为每个描述符显式地指定是否在其范围内出现的谓词的角度下解释它。这个谓词依赖维度细化了无实体的位置原子之间的空间(关系)和油,开槽原子(帧点):虽然关系只使用谓词范围敏感的(依赖于谓词的)元组和帧点仅使用谓词作用域不敏感PSOA使用正交构造的系统学,也允许原子具有(谓词)独立元组和原子具有(谓词)依赖槽。这支持数据和知识表示,其中槽属性可以根据谓词具有不同的值。因此,PSOA扩展了面向对象的多成员和多重继承。在对象化的基础上,给出了PSOA定律:描述的语义限制和转换,除了去作用域和集中化外,还允许一个原子的独立描述符重新作用域到另一个具有相同谓词但不同谓词的原子上。对于继承,默认描述符通过规则实现。在元模型和Grailog可视化之上,解释了PSOA的事实、查询和规则的原子系统学。介绍了PSOA RuleML的表示和(XML-)序列化语法。通过扩展依赖描述符的解释函数,形式化了它的模型论语义。开源PSOATransRun系统通过转换器实现PSOA RuleML到运行时谓词,…
2019-07-21 cs.AI cs.DB cs.PL
Discriminative Predicate Path Mining for Fact Checking in Knowledge Graphs
University of Notre Dame(圣母大学)
专家和分析师的传统事实核查无法跟上新创建信息的数量。因此,增强我们通过计算确定某些事实陈述是真还是假的能力是重要和必要的。我们认为这个问题作为一个链接预测任务的知识图,并提出了一个歧视性的路径为基础的方法,事实检查的知识图谱,结合连接,类型信息和谓词的相互作用。给定一个形式为(主语、谓语、宾语)的语句S,例如(Chicago,capitalOf,Illinois),我们的方法挖掘出交替定义广义语句(美国城市、谓语、美国州)的判别路径,并使用挖掘出的规则来评估语句S的准确性。我们通过使用从维基百科和PubMedDB中提取的公共百万节点知识图谱检查与历史,地理,生物和政治相关的数千个索赔来评估我们的方法。我们的方法不仅显著优于相关模型,我们还发现,判别谓词路径模型是很容易解释的,并提供了合理的理由,最终确定。
2016-04-15 cs.AI cs.DB cs.IR
GoalNet: Inferring Conjunctive Goal Predicates from Human Plan Demonstrations for Robot Instruction Following
Indian Institute of Technology Delhi(德里印度理工学院);Samsung R&D Institute India, Delhi(三星印度德里研发中心);Imperial College London(帝国理工学院)
我们的目标是使机器人能够学习如何排序其行动,以执行指定为自然语言指令的任务,从人类合作伙伴的成功示范。计划高级任务的能力可以被分解为(i)推断特定目标谓词,其表征由用于给定世界状态的语言指令所暗示的任务,以及(ii)用这样的谓词合成可行的达到目标的动作序列。对于前者,我们利用一个神经网络预测模型,而后者利用一个符号规划。我们介绍了一种新的神经符号模型,GoalNet,上下文和任务相关的推理的目标谓词从人类示威和语言的任务描述。GoalNet结合了(i)学习,其中获取密集表示用于语言教学和世界状态,从而能够泛化到新的设置和(ii)规划,其中符号规划器的因果建模避开了不相关的谓词,从而促进了大领域的多阶段决策。GoalNet在显示语言变化的基准数据集上,与最先进的基于规则的方法相比,任务完成率有显着提高(51%),特别是对于多阶段指令。
2022-05-14 cs.AI cs.RO
Trustworthy Clinical Decision Support Using Meta-Predicates and Domain-Specific Languages
Harvard University(哈佛大学);IDEXX Laboratories(IDEXX实验室);Forome Association(Forome协会);Deggendorf Institute of Technology(德格多夫技术学院)
本文提出使用元谓词和领域特定语言来确保临床决策规则的证据适当性,通过元谓词验证在部署前约束证据使用,提升决策的可审计性与准确性。
2026-04-23 cs.AI cs.PL cs.SE
Consistent Query Answering for Existential Rules with Closed Predicates
Sapienza Università di Roma(罗马第一大学)
研究在闭谓词和存在规则(DEDs)下数据库CQA的数据复杂性,分析不同语义和规则类别下CQA及修复检查的计算复杂性。
2024-04-24 cs.AI
SoftReason: A Fully Differentiable Neuro-Soft-Symbolic Deductive Reasoning Architecture over High-Dimensional Perceptual Data
Clemson University(克莱姆森大学)
研究针对前提需从高维输入推断且由知识图谱提供相关信息的推理问题,提出神经软符号架构SoftReason,核心是对直接后果算子可微提升,能在知识感知视觉问答中支持多种功能。
2026-08-11 cs.AI
Polynomial Rewritings from Expressive Description Logics with Closed Predicates to Variants of Datalog
TU Wien(维也纳技术大学)
在许多情况下,完整和不完整的信息并存。出于这个原因,知识表示和数据库社区长期以来一直对在推理逻辑理论时同时支持封闭世界和开放世界的观点感兴趣。在这里,我们考虑使用逻辑理论查询可能不完整的数据的设置,形式化的本体介导的查询(OMQ),对查询与理论,有时称为本体,表达背景知识的评价。这可以通过从理论中指定一组封闭谓词来进一步丰富,这些谓词将在封闭世界假设下解释,而其余的则用开放世界观点来解释。通过这种方式,我们可以利用数据的部分完整性来检索更精确的查询答案。本文的中心目标是理解OMQ语言的相对表达能力,其中本体是用表达性描述逻辑(DL)ALCHOI编写的,并且包括一组封闭谓词。我们考虑一类有限的合取查询。我们的主要结果是表明,这种非单调查询语言中的每一个查询都可以在多项式时间内被翻译成稳定模型语义下的带否定的数据库。为了克服挑战,数据库没有直接的手段来表达存在的量化ALCHOI,我们定义了一个两个玩家的游戏,其特征在于本体的满意度,并设计了一个数据库查询,可以决定存在的获胜策略的游戏。如果没有封闭的谓词,也就是在查询一个普通的ALCHOI知识库的情况下,我们的翻译产生一个多项式大小的正析取数据库程序。据我们所知,不像以前的翻译相关片段表达(非霍恩)DL,这些是第一个多项式时间翻译。
2019-12-16 cs.AI cs.LO