利用关系路径的混合语义进行知识图上的多跳问答
计算与语言
2022-09-05 v1
摘要
在知识图(KGQA)上回答自然语言问题，通过多跳推理理解复杂问题方面仍是一项巨大挑战。先前的工作通常利用大规模实体相关文本语料库或知识图(KG)嵌入作为辅助信息以促进答案选择。然而，实体间现成关系路径中蕴含的丰富语义远未被充分探索。本文提出通过利用关系路径的混合语义来改进多跳 KGQA。具体而言，我们基于一种新颖的旋转-缩放实体链接预测框架，整合关系路径的显式文本信息与隐式 KG 结构特征。在三个现有 KGQA 数据集上的大量实验证明了我们方法的优越性，尤其在多跳场景中。进一步研究证实了我们的方法在问题与关系路径之间系统性协调以识别答案实体。
引用
@article{arxiv.2209.00870,
title = {Exploiting Hybrid Semantics of Relation Paths for Multi-hop Question Answering Over Knowledge Graphs},
author = {Zile Qiao and Wei Ye and Tong Zhang and Tong Mo and Weiping Li and Shikun Zhang},
journal= {arXiv preprint arXiv:2209.00870},
year = {2022}
}
备注
COLING 2022