Construcción de gráficos de conocimiento temporal centrados en eventos: una encuesta
Autores: Knez, Timotej; itnik, Slavko
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Construcción de gráficos de conocimiento temporal centrados en eventos: una encuesta
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Documentos textuales
Bases de conocimiento
Aspecto temporal
Extracción de eventos
Tecnologías del lenguaje
Grafos de conocimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Los documentos textuales sirven como representaciones de discusiones sobre una variedad de temas. Estas discusiones pueden variar en longitud y pueden abarcar una variedad de eventos o información factual. Las tendencias actuales en la construcción de bases de conocimiento enfatizan principalmente el razonamiento basado en el sentido común, a menudo pasando por alto la dimensión temporal de los eventos. Dada la amplia presencia de información relacionada con el tiempo, abordar este aspecto temporal podría potencialmente mejorar la calidad del razonamiento de sentido común dentro de los grafos de conocimiento existentes. En esta encuesta exhaustiva, nuestro objetivo es identificar y evaluar las tareas clave involucradas en la construcción de grafos de conocimiento temporales centrados en eventos. Estas tareas se pueden categorizar en tres componentes principales: (a) extracción de eventos, (b) extracción de relaciones y atributos temporales, y (c) creación de grafos de conocimiento y líneas de tiempo basados en eventos. Nuestra revisión sistemática se centra en el examen de conjuntos de datos disponibles y tecnologías del lenguaje para abordar estas tareas. Una comparación detallada de varios enfoques revela que los resultados más prometedores se logran mediante el empleo de modelos de vanguardia que aprovechan grandes modelos de lenguaje preentrenados. A pesar de la existencia de múltiples conjuntos de datos, existe una brecha notable en la disponibilidad de datos anotados que podrían facilitar el desarrollo de modelos integrales de extremo a extremo. A partir de nuestras conclusiones, nos involucramos en una discusión y proponemos cuatro direcciones futuras para la investigación en este ámbito. Estas direcciones abarcan (a) la integración de conocimiento preexistente, (b) el desarrollo de sistemas de extremo a extremo para la construcción de grafos de conocimiento centrados en eventos, (c) la mejora de grafos de conocimiento con información centrada en eventos, y (d) la predicción de atributos temporales absolutos.
Descripción
Los documentos textuales sirven como representaciones de discusiones sobre una variedad de temas. Estas discusiones pueden variar en longitud y pueden abarcar una variedad de eventos o información factual. Las tendencias actuales en la construcción de bases de conocimiento enfatizan principalmente el razonamiento basado en el sentido común, a menudo pasando por alto la dimensión temporal de los eventos. Dada la amplia presencia de información relacionada con el tiempo, abordar este aspecto temporal podría potencialmente mejorar la calidad del razonamiento de sentido común dentro de los grafos de conocimiento existentes. En esta encuesta exhaustiva, nuestro objetivo es identificar y evaluar las tareas clave involucradas en la construcción de grafos de conocimiento temporales centrados en eventos. Estas tareas se pueden categorizar en tres componentes principales: (a) extracción de eventos, (b) extracción de relaciones y atributos temporales, y (c) creación de grafos de conocimiento y líneas de tiempo basados en eventos. Nuestra revisión sistemática se centra en el examen de conjuntos de datos disponibles y tecnologías del lenguaje para abordar estas tareas. Una comparación detallada de varios enfoques revela que los resultados más prometedores se logran mediante el empleo de modelos de vanguardia que aprovechan grandes modelos de lenguaje preentrenados. A pesar de la existencia de múltiples conjuntos de datos, existe una brecha notable en la disponibilidad de datos anotados que podrían facilitar el desarrollo de modelos integrales de extremo a extremo. A partir de nuestras conclusiones, nos involucramos en una discusión y proponemos cuatro direcciones futuras para la investigación en este ámbito. Estas direcciones abarcan (a) la integración de conocimiento preexistente, (b) el desarrollo de sistemas de extremo a extremo para la construcción de grafos de conocimiento centrados en eventos, (c) la mejora de grafos de conocimiento con información centrada en eventos, y (d) la predicción de atributos temporales absolutos.