Published January 1, 2020
| Version v1
Publication
Open
Schema Aware Semantic Reasoning for Interpreting Natural Language Queries in Enterprise Settings
Creators
- 1. IBM Research - India
- 2. Narsee Monjee Institute of Management Studies
- 3. Indian Institute of Technology Kharagpur
Description
Natural Language Query interfaces allow the end-users to access the desired information without the need to know any specialized query language, data storage, or schema details.Even with the recent advances in NLP research space, the state-of-the-art QA systems fall short of understanding implicit intents of real-world Business Intelligence (BI) queries in enterprise systems as Natural Language Understanding remains an AI-hard problem.We posit that deploying ontology reasoning over domain semantics can help in achieving better natural language understanding for QA systems.In this paper, we specifically focus on building a Schema Aware Semantic Reasoning Framework that translates natural language interpretation as a sequence of solvable tasks by an ontology reasoner.We apply our framework on top of an ontology-based, state-of-the-art natural language question-answering system ATHENA, and experiment with 4 benchmarks focused on BI queries.Our experimental numbers empirically show that the Schema Aware Semantic Reasoning indeed helps in achieving significantly better results for handling BI queries with an average accuracy improvement of 30%
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تسمح واجهات استعلام اللغة الطبيعية للمستخدمين النهائيين بالوصول إلى المعلومات المطلوبة دون الحاجة إلى معرفة أي لغة استعلام متخصصة أو تخزين بيانات أو تفاصيل المخطط. حتى مع التطورات الحديثة في مجال أبحاث البرمجة اللغوية العصبية، فإن أنظمة ضمان الجودة الحديثة تقصر عن فهم النوايا الضمنية لاستعلامات ذكاء الأعمال (BI) في العالم الحقيقي في أنظمة المؤسسات حيث لا يزال فهم اللغة الطبيعية يمثل مشكلة صعبة للذكاء الاصطناعي. نحن نفترض أن نشر الاستدلال الأنطولوجي عبر دلالات المجال يمكن أن يساعد في تحقيق فهم أفضل للغة الطبيعية لأنظمة ضمان الجودة. في هذه الورقة، نركز بشكل خاص على بناء إطار استدلال دلالي مدرك للمخطط يترجم تفسير اللغة الطبيعية كسلسلة من المهام القابلة للحل من خلال المنطق الأنطولوجي. نطبق إطارنا على رأس نظام الإجابة على الأسئلة اللغوية الطبيعية القائمة على الأنطولوجيا والحديثة أثينا، ونجرب بأربعة معايير تركز على استعلامات ضمان الجودة. تظهر أرقامنا التجريبية تجريبيًا أن الاستدلال الدلالي للمخطط أ يساعد بالفعل في تحقيق نتائج أفضل بكثير للتعامل مع استعلامات ذكاء الأعمال مع تحسين 30 ٪Translated Description (French)
Les interfaces de requêtes en langage naturel permettent aux utilisateurs finaux d'accéder aux informations souhaitées sans avoir besoin de connaître un langage de requête spécialisé, un stockage de données ou des détails de schéma.Même avec les progrès récents dans l'espace de recherche NLP, les systèmes d'AQ de pointe ne parviennent pas à comprendre les intentions implicites des requêtes de Business Intelligence (BI) du monde réel dans les systèmes d'entreprise, car la compréhension du langage naturel reste un problème difficile à résoudre.Nous postulons que le déploiement du raisonnement ontologique sur la sémantique de domaine peut aider à mieux comprendre le langage naturel pour les systèmes d'AQ.Dans cet article, nous nous concentrons spécifiquement sur la construction d'un cadre de raisonnement sémantique conscient du schéma qui traduit l'interprétation du langage naturel en une séquence de tâches solvables par un raisonneur d'ontologie.Nous appliquons notre cadre sur un système de réponse aux questions en langage naturel basé sur l'ontologie et à la pointe de la technologie ATHENA, et expérimentons avec 4 points de référence axés sur les requêtes BI.Nos chiffres expérimentaux montrent empiriquement que le raisonnement sémantique conscient du schéma aide en effet à obtenir des résultats nettement meilleurs pour le traitement des requêtes BI avec une amélioration de précision moyenne de 30 %Translated Description (Spanish)
Las interfaces de consulta de lenguaje natural permiten a los usuarios finales acceder a la información deseada sin la necesidad de conocer ningún lenguaje de consulta especializado, almacenamiento de datos o detalles de esquema. Incluso con los recientes avances en el espacio de investigación de PNL, los sistemas de control de calidad de última generación no logran comprender las intenciones implícitas de las consultas de inteligencia empresarial (BI) del mundo real en los sistemas empresariales, ya que la comprensión del lenguaje natural sigue siendo un problema difícil para la IA. Postulamos que implementar el razonamiento ontológico sobre la semántica de dominio puede ayudar a lograr una mejor comprensión del lenguaje natural para los sistemas de control de calidad. En este documento, nos centramos específicamente en la construcción de un marco de razonamiento semántico consciente del esquema que traduce la interpretación del lenguaje natural como una secuencia de tareas solucionables por un razonador ontológico. Aplicamos nuestro marco sobre un sistema de respuesta a preguntas de lenguaje natural de última generación basado en ontología ATHENA, y experimentamos con 4 puntos de referencia centrados en consultas de BI. Nuestros números experimentales muestran empíricamente que el razonamiento semántico consciente del esquema ayuda a lograr resultados significativamente mejores para manejar consultas de BI con una precisión promedio del 30%Files
2020.coling-main.115.pdf.pdf
Files
(226 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:5360980bad11bf9723da89687501effc
|
226 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- الاستدلال الدلالي الواعي للمخطط لتفسير استعلامات اللغة الطبيعية في إعدادات المؤسسة
- Translated title (French)
- Raisonnement sémantique conscient du schéma pour interpréter les requêtes en langage naturel dans les paramètres d'entreprise
- Translated title (Spanish)
- Razonamiento semántico consciente del esquema para interpretar consultas de lenguaje natural en entornos empresariales
Identifiers
- Other
- https://openalex.org/W3114085246
- DOI
- 10.18653/v1/2020.coling-main.115
References
- https://openalex.org/W2011992920
- https://openalex.org/W2061470171
- https://openalex.org/W2154268919
- https://openalex.org/W2252123671
- https://openalex.org/W2258363977
- https://openalex.org/W2269738476
- https://openalex.org/W2401877564
- https://openalex.org/W2536574992
- https://openalex.org/W2751448157
- https://openalex.org/W2768409085
- https://openalex.org/W2795622940
- https://openalex.org/W2890431379
- https://openalex.org/W2945102109
- https://openalex.org/W2948195291
- https://openalex.org/W2962781380
- https://openalex.org/W2963101081
- https://openalex.org/W3034835156
- https://openalex.org/W3086973390
- https://openalex.org/W80422862