无需实体链接的知识图谱直接事实检索
信息检索
2023-05-23 v1
摘要
利用知识图谱（KGs）处理各类自然语言处理/理解任务引发了大量关注。从知识图谱中检索事实的常规机制通常涉及三步：实体跨度检测、实体消歧与关系分类。然而，该方法除输入文本与事实对之外还需要为三个子组件分别提供额外标签，且可能累积由前序步骤失败传播而来的错误。为应对这些局限，我们提出一种简单的知识检索框架，基于表示相似度从知识图谱中直接给定输入文本检索事实，我们称之为直接事实检索（DiFaR）。具体而言，我们首先仅使用输入文本与事实对训练的语言模型将所有知识图谱事实嵌入到稠密嵌入空间，然后响应输入文本提供最近邻事实。由于事实仅由两个实体与一种关系组成、可编码的上下文极少，我们提出进一步用重排序器联合上下文化输入文本与事实以优化 top-k 检索事实的排序。我们在多个事实检索任务上验证了 DiFaR 框架，显示其显著优于采用三步方法的相关基线。
引用
@article{arxiv.2305.12416,
title = {Direct Fact Retrieval from Knowledge Graphs without Entity Linking},
author = {Jinheon Baek and Alham Fikri Aji and Jens Lehmann and Sung Ju Hwang},
journal= {arXiv preprint arXiv:2305.12416},
year = {2023}
}
备注
ACL 2023