面向知识图谱 N 元问答的事实树推理
人工智能
2022-03-15 v2
摘要
在问答(QA)任务中,多跳推理框架近年来被广泛研究,以在知识图谱(KG)上实现更高效且可解释的答案推理。然而,由于其线性推理特性,多跳推理不适用于回答 N 元事实问题。我们发现存在两种可行的改进:1)将基本推理单元从实体或关系提升为事实;2)将推理结构从链提升为树。基于此,我们提出了一种新颖的事实树推理框架,通过将问题转化为事实树并在其上执行迭代事实推理来预测正确答案。通过在本文引入的 N 元事实 KGQA 数据集上的综合评估,我们证明了所提出的事实树推理框架具有答案预测准确率高的期望优势。此外,我们还在两个二元 KGQA 数据集上评估了该事实树推理框架,并表明与多个优秀基线相比,我们的方法也具有强大的推理能力。本工作对探索复杂推理场景具有直接意义,并提供了一种初步的基线方法。
引用
@article{arxiv.2108.08297,
title = {Fact-Tree Reasoning for N-ary Question Answering over Knowledge Graphs},
author = {Yao Zhang and Peiyao Li and Hongru Liang and Adam Jatowt and Zhenglu Yang},
journal= {arXiv preprint arXiv:2108.08297},
year = {2022}
}
备注
ACL 2022 (Findings)