弥合知识鸿沟：利用世界知识和领域知识增强问答能力
计算与语言
2019-10-17 v1
摘要
在本文中，我们提出了 OSCAR（基于本体的语义组合增强正则化），这是一种在预训练期间将来自本体或知识图谱的任务无关知识注入神经网络的方法。我们通过测量在两个涉及世界知识和因果推理的问答任务以及一个需要领域（医疗保健）知识的任务上进行微调时的性能，评估了在预训练 BERT 时加入 OSCAR 的影响，与没有 OSCAR 的预训练 BERT 相比，准确率分别提高了 33.3%、18.6% 和 4%，并在其中两个任务上取得了新的最先进结果。
引用
@article{arxiv.1910.07429,
title = {Bridging the Knowledge Gap: Enhancing Question Answering with World and Domain Knowledge},
author = {Travis R. Goodwin and Dina Demner-Fushman},
journal= {arXiv preprint arXiv:1910.07429},
year = {2019}
}
备注
6 pages, 5 figures, 2 tables