一种用于处理知识库元素的 SPARQL 神经机器翻译复制机制
计算与语言
2022-11-21 v1 机器学习
摘要
从英语到 SPARQL 的神经机器翻译（NMT）模型是 SPARQL 查询生成的一个有前景的发展。然而，当前的架构无法整合知识库（KB）模式并处理训练期间未见过的知识资源、类和属性上的问题，使得它们在训练集所涵盖主题范围之外无法使用。受自然语言处理任务中性能提升的启发，我们提出集成一种复制机制用于神经 SPARQL 查询生成，以此来解决此问题。我们通过向两种 Seq2Seq 架构（CNN 和 Transformer）添加复制层和动态知识库词汇表来说明我们的方案。该层使模型直接从问题中复制 KB 元素，而不是生成它们。我们在最先进的数据集上评估我们的方法，包括引用未知 KB 元素的数据集，并测量复制增强架构的准确性。我们的结果显示，与无复制架构相比，在所有数据集上性能均有显著提升。
引用
@article{arxiv.2211.10271,
title = {A Copy Mechanism for Handling Knowledge Base Elements in SPARQL Neural Machine Translation},
author = {Rose Hirigoyen and Amal Zouaq and Samuel Reyd},
journal= {arXiv preprint arXiv:2211.10271},
year = {2022}
}