将关系抽取和图匹配应用于解答多选题

在本研究中，我们将基于 Transformer 的关系抽取与知识图谱（KGs）匹配相结合，用于解答多选题（MCQs），同时保持输出过程的可追溯性。KGs 是由实体和关系组成的事实知识的结构化表示。由于构建成本高，KGs 长期被视为具有已验证链接的静态数据库。然而，基于 Transformer 的关系抽取（RE）方法的近期发展使我们能够通过给定自然语言文本动态生成 KGs，从而打开了使用创建的 KGs 表示输入句子意义的可能性。借助这一效果，我们提出了一种方法，用于解答以“填空题”格式的 MCQ，需注意的是 RE 方法会在提供事实错误文本时生成表示虚假信息的 KGs。我们通过 (i) 使用 RE 方法将句子转换为关系图，以及 (ii) 在闭合世界假设下将其与事实正确的 KGs 验证来衡量每个问题句子的真实性。实验结果表明，我们的方法正确解答了约 70\% 的问题，并提供了程序的可追溯性。我们还指出，问题类别对准确率有着巨大的影响。