HyperAIHyperAI

Command Palette

Search for a command to run...

Semantischer Rahmen zur Abfragegenerierung für zeitbasierte Fragebeantwortung über Wissensgraphen

Wentao Ding Hao Chen Huayu Li Yuzhong Qu

Zusammenfassung

Die Beantwortung faktischer Fragen mit zeitlichem Bezug über Wissensgraphen (temporale KGQA) erlangt in den letzten Jahren zunehmende Aufmerksamkeit. Bei der Generierung zeitlicher Abfragen ignorieren bestehende KGQA-Methoden die Tatsache, dass gewisse inhärente Beziehungen zwischen Ereignissen diese zeitlich miteinander verknüpfen können, was ihre Leistungsfähigkeit einschränken kann. Wir analysieren systematisch mögliche Interpretationen zeitlicher Einschränkungen und leiten hieraus die Interpretationsstrukturen als das Semantische Rahmenwerk zeitlicher Einschränkungen, SF-TCons, ab. Auf Basis dieses semantischen Rahmens stellen wir eine Methode zur zeitlichen Fragebeantwortung, SF-TQA, vor, die Abfragegraphen generiert, indem sie relevante Fakten der genannten Entitäten erkundet, wobei dieser Erkundungsprozess durch SF-TCons eingeschränkt wird. Unsere Evaluierungen zeigen, dass SF-TQA bestehende Ansätze auf zwei Benchmarks über unterschiedliche Wissensgraphen signifikant übertrifft.


KI mit KI entwickeln

Von der Idee bis zum Launch – beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und bestem GPU-Preis.

KI-gestütztes kollaboratives Programmieren
Sofort einsatzbereite GPUs
Die besten Preise

HyperAI Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp
Semantischer Rahmen zur Abfragegenerierung für zeitbasierte Fragebeantwortung über Wissensgraphen | Paper | HyperAI