知识图谱上的复杂时序问答
信息检索
2021-09-21 v1 计算与语言
摘要
知识图谱问答（KG-QA）是信息检索（IR）中的一个重要课题。具有时间意图的问题是实践中一类特殊且重要的问题，但在研究中尚未受到太多关注。本文提出 EXAQT，这是首个用于回答具有多个实体与谓词以及相关时间条件的复杂时序问题的端到端系统。EXAQT 分两个阶段在知识图谱上回答自然语言问题，一个阶段侧重于高召回率，另一个阶段侧重于排名前列的精确率。第一步在 KG 内计算与问题相关的紧凑子图，并利用 Group Steiner Trees 和微调的 BERT 模型审慎地用相关时间事实增强这些子图。第二步从第一步的输出构建关系图卷积网络（R-GCNs），并用时间感知的实体嵌入和对时间关系的注意力来增强 R-GCNs。我们在 TimeQuestions 上评估 EXAQT，该数据集是我们从多种通用 KG-QA 基准中编译得到的包含 16k 个时间问题的大型数据集。结果表明，EXAQT 优于三个用于回答 KG 上复杂问题的 SOTA 系统，从而证明了时序 QA 需要专门处理。
引用
@article{arxiv.2109.08935,
title = {Complex Temporal Question Answering on Knowledge Graphs},
author = {Zhen Jia and Soumajit Pramanik and Rishiraj Saha Roy and Gerhard Weikum},
journal= {arXiv preprint arXiv:2109.08935},
year = {2021}
}
备注
CIKM 2021 Long Paper, 11 pages