BAG：用于多跳推理问答的双向注意力实体图卷积网络
计算与语言
2019-04-11 v1 人工智能
机器学习
摘要
多跳推理问答需要对各种文档与查询之间的关系进行深度理解。我们提出了一种双向注意力实体图卷积网络（BAG），利用实体图中节点之间的关系以及查询与实体图之间的注意力信息来解决该任务。图卷积网络用于获得从具有多层次特征的文档构建的实体图的节点关系感知表示。随后在图与查询上施加双向注意力以生成查询感知的节点表示，其将用于最终预测。实验评估表明，BAG在QAngaroo WIKIHOP数据集上取得了最先进的准确率性能。
引用
@article{arxiv.1904.04969,
title = {BAG: Bi-directional Attention Entity Graph Convolutional Network for Multi-hop Reasoning Question Answering},
author = {Yu Cao and Meng Fang and Dacheng Tao},
journal= {arXiv preprint arXiv:1904.04969},
year = {2019}
}
备注
5 pages, 1 figure, accepted short paper on NAACL-HLT 2019