FORECASTTKGQUESTIONS: A Benchmark for Temporal Question Answering and Forecasting over Temporal Knowledge Graphs #191
Description
一言でいうと
未来についての質問に答える時間的KG質問応答(TKGQA)タスクのベンチマークデータセットForecastTKGQuestionsと予測TKGQAタスクの提案
著者/所属機関
Zifeng Ding1,2, Zongyue Li1,3, Ruoxia Qi1, Jingpei Wu1, Bailan He1,2, Yunpu Ma1,2, Zhao Meng4, Shuo Chen1,2, Ruotong Liao1,2, Zhen Han1, and Volker Tresp1
- LMU Munich, Germany.
- Siemens AG, Germany.
- Munich Center for Machine Learning (MCML), Germany.
- ETH Zurich, Switzerland
DOI
https://doi.org/10.1007/978-3-031-47240-4_29
会議名(ジャーナル名)
The 22nd International Semantic Web Conference (ISWC2023)
トラック
Research Track
動機
最近のTKG補完は未来のタイムスタンプでの予測に注⽬
手法
エンティティ予測質問、Yes-unknown質問、ファクト推論質問の三種類を含むTKG予測モデルTANGOとBERTを採⽤した提案モデルForcastTKGQA
背景
既存のTKGQA研究は未来の事実の予測を対象としていない
結果
提案モデルがSOTA。TKGQA予測においてはTKG予測モデルがTKG補完モデルよりも有効︖→有効。データセットは解答可能︖→GTのTKG情報があれば可。データセットは効率的︖→データ増加するほど精度が向上するため効率的
考察
⼈間と⽐較するとまだ改善の余地が⼤きい。
課題
質問タイムスタンプt_qにおけるGTのTKG情報𝒢_{t_q}を正確に推論。効果的なマルチホップ推論。より良いファクト推論のためのTKGQAモデル開発。
読んだ範囲
斜め読み程度