通过证据模式检索增强知识图谱上的复杂问答
计算与语言
2024-02-06 v1 信息检索
摘要
用于 KGQA 的信息检索（IR）方法包含两个阶段：子图提取和答案推理。我们认为当前的子图提取方法低估了证据事实之间结构依赖性的重要性。我们提出证据模式检索（EPR），以在子图提取过程中显式地对结构依赖性进行建模。我们通过对资源对的原子邻接模式进行索引来实现 EPR。给定一个问题，我们执行密集检索以获取由资源对形成的原子模式。然后我们枚举它们的组合以构建候选证据模式。使用神经模型对这些证据模式进行评分，并选择最佳模式以提取用于下游答案推理的子图。实验结果表明，基于 EPR 的方法在 ComplexWebQuestions 上将 IR-KGQA 方法的 F1 分数显著提高了 10 分以上，并在 WebQuestionsSP 上取得了具有竞争力的性能。
引用
@article{arxiv.2402.02175,
title = {Enhancing Complex Question Answering over Knowledge Graphs through Evidence Pattern Retrieval},
author = {Wentao Ding and Jinmao Li and Liangchuan Luo and Yuzhong Qu},
journal= {arXiv preprint arXiv:2402.02175},
year = {2024}
}
备注
Accepted to TheWebConf'24 (WWW 2024). This is a preprint version; the CR version will include more details. Github: https://github.com/nju-websoft/EPR-KGQA