基于堆叠指针网络与上下文Transformer的面向知识图谱对话问答
计算与语言
2021-06-25 v2
摘要
神经语义解析方法已广泛用于知识图谱上的问答（QA）系统。此类方法提供了处理具有复杂查询和大量实体的QA数据集的灵活性。在本工作中，我们提出一个名为CARTON的新框架，其执行多任务语义解析以处理大规模知识图谱上的对话问答问题。我们的框架由作为上下文Transformer模型扩展的指针网络栈组成，用于解析输入问题与对话历史。该框架生成可在知识图谱上执行的一系列动作。我们在用于复杂顺序问答的标准数据集上评估CARTON，其优于所有基线。具体而言，与先前SOTA相比，我们在十类问题中的八类上观察到F1分数的性能提升。对于逻辑推理问题，达到了11个绝对点的提升。
引用
@article{arxiv.2103.07766,
title = {Context Transformer with Stacked Pointer Networks for Conversational Question Answering over Knowledge Graphs},
author = {Joan Plepi and Endri Kacupaj and Kuldeep Singh and Harsh Thakkar and Jens Lehmann},
journal= {arXiv preprint arXiv:2103.07766},
year = {2021}
}
备注
18th Extended Semantic Web Conference 2021 (ESWC'2021) - Research Track