计算问题相似度足矣：一种KBQA任务的新方法
计算与语言
2022-05-03 v4 人工智能
摘要
知识库问答（KBQA）旨在借助外部知识库回答自然语言问题。其核心思想在于寻找问题背后内部知识与知识库已知三元组之间的关联。传统KBQA任务流程包含若干步骤，包括实体识别、实体链接、答案选择等。在此类流水线方法中，任一环节的误差都将不可避免地传播至最终预测。为应对该挑战，本文提出一种结合预训练语言模型（PLM）的语料生成-检索方法（CGRM）用于KBQA任务。主要新颖性在于新方法的设计，其中我们的方法利用知识增强的T5（kT5）模型基于知识图谱三元组生成自然语言问答对，并通过检索该合成数据集直接求解问答。新方法可从PLM中提取更多关于实体的信息以提升准确率并简化流程。我们在NLPCC-ICCPOL 2016 KBQA数据集上测试了该方法，结果表明我们的方法提升了KBQA性能，且该直截了当的方法可与最先进水平（SOTA）相竞争。
引用
@article{arxiv.2111.07658,
title = {Calculating Question Similarity is Enough: A New Method for KBQA Tasks},
author = {Hanyu Zhao and Sha Yuan and Jiahong Leng and Xiang Pan and Guoqiang Wang and Ledell Wu and Jie Tang},
journal= {arXiv preprint arXiv:2111.07658},
year = {2022}
}
备注
We want to withdraw this submission, and add some experiments to make it more valuable