BigText-QA：基于大规模混合知识图谱的问答
计算与语言
2023-09-08 v2 人工智能
摘要
在文本资源上回答复杂问题仍然是一项挑战，尤其是在处理自然语言句子中表达的多个实体之间的细微关系时。为此，YAGO、DBpedia、Freebase 和 Wikidata 等精心构建的知识库（KB）在过去十年中被广泛用于问答（QA）应用并获得了广泛认可。虽然这些知识库提供了结构化的知识表示，但它们缺乏自然语言来源中的上下文多样性。为应对这一局限，BigText-QA 提出了一种集成式问答方法，能够基于一种更冗余形式的知识图谱（KG）回答问题，该图谱以统一的图形表示组织结构化与非结构化（即“混合”）知识。由此，BigText-QA 能够结合两方面的优势——一组规范命名的实体，映射到结构化背景知识库（如 YAGO 或 Wikidata），以及一组开放的文本子句，提供具有丰富上下文信息的高多样性关系复述。我们的实验结果表明，BigText-QA 优于基于神经网络的 QA 系统 DrQA，并取得了与基于图的无监督 QA 系统 QUEST 相竞争的结果。
关键词
引用
@article{arxiv.2212.05798,
title = {BigText-QA: Question Answering over a Large-Scale Hybrid Knowledge Graph},
author = {Jingjing Xu and Maria Biryukov and Martin Theobald and Vinu Ellampallil Venugopal},
journal= {arXiv preprint arXiv:2212.05798},
year = {2023}
}