DecAF:面向知识库问答的答案与逻辑形式联合解码
计算与语言
2023-04-18 v2 人工智能
机器学习
摘要
知识库(KB)上的问答旨在用 KB 中的实体与关系等事实信息回答自然语言问题。以往方法或生成可在 KB 上执行以获得最终答案的逻辑形式,或直接预测答案。实证结果表明,前者常产生更准确答案,但因生成逻辑形式潜在的语法与语义错误而受困于无法执行的问题。本工作中,我们提出新颖框架 DecAF,联合生成逻辑形式与直接答案,并融合二者优点得到最终答案。此外,与多数先前方法不同,DecAF 基于简单自由文本检索,不依赖任何实体链接工具——这一简化便于其适配不同数据集。DecAF 在 WebQSP、FreebaseQA 与 GrailQA 基准上取得新的最优精度,同时在 ComplexWebQuestions 基准上获得具竞争力的结果。
引用
@article{arxiv.2210.00063,
title = {DecAF: Joint Decoding of Answers and Logical Forms for Question Answering over Knowledge Bases},
author = {Donghan Yu and Sheng Zhang and Patrick Ng and Henghui Zhu and Alexander Hanbo Li and Jun Wang and Yiqun Hu and William Wang and Zhiguo Wang and Bing Xiang},
journal= {arXiv preprint arXiv:2210.00063},
year = {2023}
}
备注
ICLR 2023. Code link: https://github.com/awslabs/decode-answer-logical-form