Конвейер с поддержкой искусственного интеллекта для динамической генерации достоверного контента о пищевых добавках в больших масштабах
Qualitative Spatial Reasoning over Questions (Short Paper)
2022-01-01
SCID: 54.1/3pwdz8fv
Discuss with AI
исчисление кардинальных направленийгеопарсинггеопространственный поиск ответов на вопросыответы на качественные пространственные вопросыпространственное рассуждение
Figures from the paper
Abstract (AI)
Хотя системы геопространственного ответа на вопросы в последние годы привлекают все больше внимания, существующие прототипные системы испытывают трудности с корректным ответом на качественные пространственные вопросы. В данной работе мы предлагаем новый фреймворк для ответа на качественные пространственные вопросы, состоящий из трех основных компонентов: геопарсера, который принимает вопросы на вход и извлекает из текста семантическую информацию о местах; системы рассуждений, включающей точный логический модуль; и модуля извлечения ответов, который сужает пространство решений и формирует окончательные ответы. Мы представляем экспериментальный дизайн для оценки нашего фреймворка на отношениях точечного исчисления кардинальных направлений (Cardinal Direction Calculus, CDC), разработав автоматизированный подход к генерации трех типов синтетических качественных пространственных вопросов. Первоначальная оценка ответов, сгенерированных нашей системой, является многообещающей, поскольку значительная доля ответов была признана правильной.
Key Findings
1
Первые эксперименты показали, что значительная доля сгенерированных ответов была правильно классифицирована, что указывает на перспективность системы.
2
Геопарсер извлекает из вопросов на естественном языке семантическую информацию о местах для последующего качественного пространственного рассуждения.
3
В статье предложена трёхкомпонентная система для ответа на качественные пространственные вопросы: геопарсинг, чёткое пространственное рассуждение и извлечение ответов.
4
Система оценивалась на отношениях точечного исчисления сторон света с использованием автоматического генератора трёх типов синтетических пространственных вопросов.
Research Object
Фреймворк для ответа на качественные геопространственные вопросы, включающий геопарсер, систему рассуждения с жёстким резонером и модуль извлечения ответов
Research Subject
способность фреймворка извлекать семантику мест, рассуждать о качественных пространственных отношениях и генерировать правильные ответы на синтетические вопросы по CDC
Publication Details
Publication Date
2022-01-01
Journal
Publisher
ISSN
Cited by
1
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai3
Работы, цитирующие эту статью20
Transformers: современное состояние обработки естественного языка2020
Графовые нейронные сети: обзор методов и приложений2020
Informer: эффективный трансформер для прогнозирования временных рядов большой длины и дальнейшее развитие этого подхода2021
Обзор методов оценки больших языковых моделей2024
Появляющиеся свойства самоконтролируемых Vision Transformer2021
Эффективны ли трансформеры для прогнозирования временных рядов?2023
Переосмысление семантической сегментации с точки зрения sequence-to-sequence на основе трансформеров2021
UNETR: Трансформеры для 3D сегментации медицинских изображений2022
Transformer-XL: внимательные языковые модели за пределами контекста фиксированной длины2019
Transformers от HuggingFace: современные методы обработки естественного языка2019
CodeBERT: предобученная модель для языков программирования и естественных языков2020
Point Transformer2021
Swin Transformer V2: увеличение ёмкости и разрешения2022
Объединение больших языковых моделей и графов знаний: дорожная карта2024
ChatGPT: комплексный обзор предпосылок создания, применений, ключевых проблем, предвзятости, этических аспектов, ограничений и перспектив развития2023
Tokens-to-Token ViT: обучение визуальных трансформеров с нуля на ImageNet2021
Предобученный трансформер для обработки изображений2021
CrossViT: мультишкальный визуальный трансформер с перекрёстным вниманием для классификации изображений2021
WavLM: крупномасштабное самосупервизорное предварительное обучение для комплексной обработки речи2022
EDA: Простые методы аугментации данных для повышения качества задач классификации текста2019