Jan, 2024

通过部分或完全匹配三元组来查询三元概念

PDF
TL;DR通过倒排索引的完全或部分匹配三元组的方法，我们介绍了一种查询三元概念的新方法，以检索包含一组术语在其范围、意图和 / 或模式中的已经计算过的三元概念。与 Ananias 中描述的近似方法相反，我们的方法不需要保留初始的三元上下文或其三个二元对应项，避免了通过上下文探索对三元组成分应用派生运算符，并且消除了通过分解阶段获得三元概念作为一维查询的答案的要求。此外，我们的解决方案引入了一种基于与给定查询的相似性的检索到的三元概念的新指标进行排序的方法。最后，我们主要进行了一项实证研究，以说明我们的方法相对于近似方法的有效性和可扩展性。我们的解决方案不仅展示了更高的效率，还突显了更好的可扩展性，非常适合大数据场景。
发现论文，激发创造
  • 三元组匹配网络完成分类

    通过提出 Triplet Matching Network 模型，实现了新的 “taxonomy completion” 任务，即同时发现查询的上位词和下位词，通过实验验证，在实现新任务的同时，对于以往的 taxonomy expansion 任务也取得了最佳表现。

    Jan, 2021

  • 结合自适应增强语义信息的知识图谱补全方法

    该研究构建了一种知识图谱补全方法，通过微调 BERT 模型获取三元组中隐藏的语义信息，并使用注意力特征嵌入方法计算正负三元组中关系和实体之间的语义注意力得分，形成软约束规则来实现语义信息的自适应增强。此外，考虑到高维向量对影响，使用 BERT-Whitening 方法降低维度，提高语义向量的效率。经实验比较，在 FB15K 和 WIN18 数据集上，所提出的方法表现更好，比原始翻译模型有约 2.6％的数值改善。

    Feb, 2023

  • 基于查询的实例区分网络用于关系三元组抽取

    我们提出了一种基于查询的方法，用于构建关系三元组的实例级表示，然后通过对比学习，实现了关系三元组实例级表示的学习和全局信息连接，最终在五个广泛使用的基准测试中达到了最先进的水平。

    Nov, 2022

  • 电子商务查询的语义等价性

    在电子商务搜索中，搜索查询的变化构成了挑战，因为等效的搜索意图可以通过不同的查询表达出来。本文介绍了一个框架，以识别和利用查询等效性来增强搜索者和商业结果。该方法解决了三个核心问题：将查询映射到搜索意图的向量表示、识别表示等效或相似意图的最近邻查询、以及针对用户或业务目标进行优化。该框架利用表面相似性和行为相似性来确定查询等效性。表面相似性涉及基于单词变化、单词顺序、合成以及噪声词对查询进行规范化。行为相似性利用历史搜索行为生成查询意图的向量表示。离线过程用于训练句子相似性模型，而在线的最近邻方法支持处理未见过的查询。实验评估表明了该方法的有效性，优于流行的句子转换模型，并实现了 0.85 的查询相似性皮尔逊相关系数。结果突显了利用历史行为数据和训练模型来识别和利用电子商务搜索中的查询等效性的潜力，提升用户体验和业务结果。鼓励进一步的进展和基准数据集，以促进解决电子商务领域中这一关键问题的解决方案的发展。

    Aug, 2023

  • 元组相似度学习的主动序数查询

    该论文介绍了一个通用的多元组查询方法，称为 InfoTuple，通过相互信息最大化采用一种新颖的方法，以实现多元组查询的自适应选择。在合成测试和新的人类响应数据集上，该方法在各种元组大小的性能均优于最先进的自适应三元组选择方法，并在经验上证明了通过查询更大的元组而不是三元组实现的查询效率和一致性的重大收益。

    Oct, 2019

  • 大规模临床本体的语义搜索

    本文介绍了一种基于深度学习的方法来构建大型临床本体的语义搜索系统，该方法使用 Triplet-BERT 模型和直接从本体生成训练数据的方法，并在五个真实基准数据集上进行了评估，在自由文本到概念和概念到概念的搜索任务中取得了高结果。这项方法优于所有基线方法。

    Jan, 2022

  • 使用三元组网络进行深度度量学习

    本文提出了三元组网络模型，通过距离比较来学习有用的表示方法，在多个数据集上的结果显示其比竞争对手孪生网络学习了更好的表示方法，而且还探讨了其作为无监督学习框架的未来可能用途。

    Dec, 2014

  • 使用辅助信息的主动感知相似度建模

    本研究提出一种新的主动学习算法，该算法从外部数据中找出最具信息量的三元组比较方式；实验表明该方法需要远少于传统方法的三元组比较数量即可达到同等效果。

    Nov, 2015

  • 利用语义相似性进行 Ad Hoc 表格检索

    地址 “临时表检索” 的问题，提出了一种通过语义匹配查询和表格的方法，通过在多个语义空间中表示查询和表格，并采用各种相似性度量将这些特征用于监督式学习模型中，针对维基百科表格集合进行了实验，并取得了显著和实质性的改进。

    Feb, 2018

  • 弱指代 grounding 的判别三元组匹配和重建

    本文提出了一种基于判别三元组的弱监督指代消解方法，通过该方法，可将查询转换为一个或多个判别三元组，并提出了轻量级的三元组级匹配和重构模块，使弱监督训练比先前的最先进方法轻三倍，速度快三倍，同时在 RefCOCO，RefCOCO + 和 RefCOCOg 数据集上取得了 4.17％，4.08％和 7.8％的优异性能。

    Jun, 2021