答案候选类型选择：面向闭卷问答的文本到文本语言模型结合知识图谱
计算与语言
2023-10-12 v1 人工智能
信息检索
机器学习
摘要
预训练的文本到文本语言模型（LMs），如 T5 或 BART，在知识图谱问答（KGQA）任务中取得了有前景的结果。然而，模型的能力有限，对于包含较冷门实体的问题，其质量会下降。在本文中，我们提出了一种新颖的方法，该方法构建于预训练的文本到文本问答系统之上以解决此问题。我们这种简单而有效的方法基于从 Wikidata 的“instance_of”属性导出的类型，对生成的候选进行过滤与重排序。
引用
@article{arxiv.2310.07008,
title = {Answer Candidate Type Selection: Text-to-Text Language Model for Closed Book Question Answering Meets Knowledge Graphs},
author = {Mikhail Salnikov and Maria Lysyuk and Pavel Braslavski and Anton Razzhigaev and Valentin Malykh and Alexander Panchenko},
journal= {arXiv preprint arXiv:2310.07008},
year = {2023}
}