A Unified Knowledge Graph Service for Developing Domain Language Models in AI Software

计算机科学 语言模型 领域(数学分析) 领域工程 领域知识 人工智能 自然语言处理 任务(项目管理) 软件 域模型 软件开发 程序设计语言 软件建设 经济 管理 数学分析 数学
作者
Ding, Ruiqing,Han, Xiao,Wang, Leye
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2212.05251
摘要

Natural Language Processing (NLP) is one of the core techniques in AI software. As AI is being applied to more and more domains, how to efficiently develop high-quality domain-specific language models becomes a critical question in AI software engineering. Existing domain-specific language model development processes mostly focus on learning a domain-specific pre-trained language model (PLM); when training the domain task-specific language model based on PLM, only a direct (and often unsatisfactory) fine-tuning strategy is adopted commonly. By enhancing the task-specific training procedure with domain knowledge graphs, we propose KnowledgeDA, a unified and low-code domain language model development service. Given domain-specific task texts input by a user, KnowledgeDA can automatically generate a domain-specific language model following three steps: (i) localize domain knowledge entities in texts via an embedding-similarity approach; (ii) generate augmented samples by retrieving replaceable domain entity pairs from two views of both knowledge graph and training data; (iii) select high-quality augmented samples for fine-tuning via confidence-based assessment. We implement a prototype of KnowledgeDA to learn language models for two domains, healthcare and software development. Experiments on five domain-specific NLP tasks verify the effectiveness and generalizability of KnowledgeDA. (Code is publicly available at https://github.com/RuiqingDing/KnowledgeDA.)

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
561424175完成签到,获得积分10
1秒前
停停走走发布了新的文献求助10
1秒前
1秒前
滑西列夫斯稽完成签到,获得积分10
2秒前
烟花应助凉白开采纳,获得10
2秒前
2秒前
3秒前
Owen应助晓晓采纳,获得10
3秒前
3秒前
3秒前
3秒前
3秒前
辞忧发布了新的文献求助10
3秒前
霍建玲完成签到,获得积分10
4秒前
4秒前
4秒前
听听风发布了新的文献求助10
4秒前
5秒前
彭于晏应助停停走走采纳,获得10
5秒前
科研通AI6.2应助粘屁屁采纳,获得10
5秒前
追梦人生发布了新的文献求助10
6秒前
nini完成签到 ,获得积分10
6秒前
干净的琦应助MC采纳,获得10
6秒前
123发布了新的文献求助10
6秒前
赵璇发布了新的文献求助10
6秒前
7秒前
wang发布了新的文献求助10
8秒前
QYPANG发布了新的文献求助10
8秒前
8秒前
8秒前
桐桐应助冰冷的心采纳,获得10
10秒前
myj发布了新的文献求助10
10秒前
10秒前
10秒前
ckeong89应助暴躁的从露采纳,获得30
10秒前
10秒前
11秒前
小二郎应助淡淡易形采纳,获得10
11秒前
完美世界应助鹿鹿采纳,获得10
11秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Modern Epidemiology, Fourth Edition 5000
Kinesiophobia : a new view of chronic pain behavior 5000
Molecular Biology of Cancer: Mechanisms, Targets, and Therapeutics 3000
Digital Twins of Advanced Materials Processing 2000
Weaponeering, Fourth Edition – Two Volume SET 2000
Signals, Systems, and Signal Processing 610
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 纳米技术 化学工程 生物化学 物理 计算机科学 内科学 复合材料 催化作用 物理化学 光电子学 电极 冶金 细胞生物学 基因
热门帖子
关注 科研通微信公众号,转发送积分 6017534
求助须知:如何正确求助?哪些是违规求助? 7602864
关于积分的说明 16156355
捐赠科研通 5165375
什么是DOI,文献DOI怎么找? 2764873
邀请新用户注册赠送积分活动 1746211
关于科研通互助平台的介绍 1635206