面向知识图谱的通用问答平台
人工智能
2023-08-10 v2 计算与语言
数据库
摘要
来自不同应用领域的相关知识被组织为知识图谱 (KGs)，并以 RDF 引擎存储，可通过 SPARQL 端点在网络上访问。表达格式良好的 SPARQL 查询需要了解图结构及其组成部分的确切 URI，这对普通用户而言并不现实。问答 (QA) 系统通过把自然语言问题翻译为 SPARQL 来提供帮助。现有的 QA 系统通常基于特定应用的人工策展规则，或需要对每个目标 KG 事先信息、昂贵的预处理和模型适配。因此，它们难以推广到广泛的应用和 KG。在本文中，我们提出 KGQAn，一个无需针对每个目标 KG 定制的通用 QA 系统。KGQAn 不用策展规则，而是引入一种将问题理解形式化为文本生成问题的新方法，通过神经序列到序列模型将问题转换为中间抽象表示。我们还开发了一个即时链接器，在查询时仅使用公开可访问的 API 和 RDF 存储的现有索引，将抽象表示映射为特定 KG 的 SPARQL 查询，无需任何预处理。我们在多个真实 KG 上的实验表明，KGQAn 易于部署，并且在答案质量和处理时间上大幅优于 SOTA，尤其是对于训练期间未见过任意 KG。
引用
@article{arxiv.2303.00595,
title = {A Universal Question-Answering Platform for Knowledge Graphs},
author = {Reham Omar and Ishika Dhall and Panos Kalnis and Essam Mansour},
journal= {arXiv preprint arXiv:2303.00595},
year = {2023}
}
备注
The paper is accepted to SIGMOD 2023