面向知识图谱问答的动态少样本学习
计算机视觉与模式识别
2024-07-02 v1 人工智能
机器学习
摘要
大型语言模型为针对知识图谱的问答(KGQA)提供了创新的机遇，但它们并非专为查询生成而设计。为填补这一差距，提出了依赖微调或特定架构的解决方案，取得了良好结果但在跨域分布泛化方面受限。在本研究中，我们引入一种新方法，称为动态少样本学习(DFSL)。DFSL整合了基于上下文学习的效率与语义相似性，为KGQA提供了一个普遍适用且表现卓越的解决方案。我们在多个基准数据集和架构配置上进行了广泛评估。
引用
@article{arxiv.2407.01408,
title = {Semantic Compositions Enhance Vision-Language Contrastive Learning},
author = {Maxwell Aladago and Lorenzo Torresani and Soroush Vosoughi},
journal= {arXiv preprint arXiv:2407.01408},
year = {2024}
}