面向弱监督知识库问答的逻辑形式有效搜索
计算与语言
2019-09-09 v1
摘要
许多知识库问答（KBQA）算法依赖于语义解析，将问题转化为其逻辑形式。当仅提供弱监督时，通常需要搜索有效的逻辑形式用于模型训练。然而，一个复杂问题通常涉及巨大的搜索空间，这导致两个主要问题：1）受计算时间和内存限制的解决方案通常降低搜索成功率，2）搜索结果中的虚假逻辑形式降低训练数据质量。这两个问题导致语义解析模型训练不佳。本文中，我们提出一种基于问题算子预测的弱监督 KBQA 有效搜索方法。通过预测算子约束搜索空间，可以探索足够的搜索路径，推导出更多有效逻辑形式，并避免可能产生虚假逻辑形式的算子。结果，弱监督训练集中更大比例的问题配备了逻辑形式，且生成的虚假逻辑形式更少。如此高质量的训练数据直接有助于获得更好的语义解析模型。在最大 KBQA 数据集之一（即 CSQA）上的实验结果验证了我们方法的有效性：就综合得分而言，精确率从 67% 提升至 72%，召回率从 67% 提升至 72%。
引用
@article{arxiv.1909.02762,
title = {Effective Search of Logical Forms for Weakly Supervised Knowledge-Based Question Answering},
author = {Tao Shen and Xiubo Geng and Tao Qin and Guodong Long and Jing Jiang and Daxin Jiang},
journal= {arXiv preprint arXiv:1909.02762},
year = {2019}
}