直接在文本上回答结构化查询的端到端学习
计算与语言
2019-06-14 v2
摘要
以语言（如 SQL、SPARQL 或 XQuery）表达的结构化查询，为用户在诸多任务中表达信息需求提供了便捷且明确的方式。在本工作中，我们提出一种无需将结果存入数据库而直接在文本数据上回答这些查询的方法。我们具体考察知识库的情形，其中查询针对实体及其间关系。我们的方法将分布式查询回答（如 Triple Pattern Fragments）与为抽取式问答构建的模型相结合。重要的是，通过应用分布式查询回答，我们能够简化模型学习问题。我们针对 Wikidata 内大部分（572 个）关系训练模型，并在所有模型上取得平均 0.70 的 F1 值。我们还提出一种从知识图系统构造该任务所需训练数据的方法，并描述了一个原型实现。
引用
@article{arxiv.1811.06303,
title = {End-to-End Learning for Answering Structured Queries Directly over Text},
author = {Paul Groth and Antony Scerri and Ron Daniel, and Bradley P. Allen},
journal= {arXiv preprint arXiv:1811.06303},
year = {2019}
}
备注
18 pages, 6 figures