基于Transformer与图注意力网络的知识图谱对话式问答
计算与语言
2021-06-25 v2
摘要
本文解决了基于知识图谱的（复杂）对话式问答任务。针对该任务，我们提出了LASAGNE（采用Transformer与图注意力网络的多任务语义解析）。它是首个采用扩展有图注意力网络的transformer架构进行多任务神经语义解析的方法。LASAGNE使用transformer模型生成基础逻辑形式，而图注意力模型用于利用（实体）类型与谓词之间的相关性来生成节点表示。LASAGNE还包含一个新颖的实体识别模块，可检测、链接并对问题上下文中所有相关实体进行排序。我们在复杂顺序问答的标准数据集上评估了LASAGNE，其在所有问题类型上均优于现有基线平均值。具体而言，我们展示了LASAGNE在十种问题类型中的八种上提升了F1分数；在某些情况下，与最先进水平相比F1分数的提升超过20%。
引用
@article{arxiv.2104.01569,
title = {Conversational Question Answering over Knowledge Graphs with Transformer and Graph Attention Networks},
author = {Endri Kacupaj and Joan Plepi and Kuldeep Singh and Harsh Thakkar and Jens Lehmann and Maria Maleshkova},
journal= {arXiv preprint arXiv:2104.01569},
year = {2021}
}
备注
16th conference of the European Chapter of the Association for Computational Linguistics (EACL 2021)