Grape：用于开放域问答的知识图谱增强段落阅读器
计算与语言
2022-10-11 v2 人工智能
摘要
开放域问答（QA）模型的常见思路采用检索器-阅读器流水线，先从 Wikipedia 检索若干相关段落，再仔细阅读这些段落以生成答案。然而，即便最先进的阅读器也未能捕捉问题中与检索段落里出现的实体之间的复杂关系，导致答案与事实相矛盾。有鉴于此，我们提出一种新颖的知识图谱增强段落阅读器，即 Grape，以提升开放域 QA 的阅读器性能。具体而言，对于每一对问题与检索段落，我们首先基于从阅读器模型中间层提取的实体嵌入构建局部二部图，随后图神经网络在学习关系知识的同时将图表示与上下文表示融合进阅读器模型的隐藏状态。在三个开放域 QA 基准上的实验表明，在使用相同检索器与检索段落的情况下，Grape 可将最先进性能提升至多 2.2 的精确匹配分数，且开销增加可忽略。我们的代码公开于 https://github.com/jumxglhf/GRAPE。
引用
@article{arxiv.2210.02933,
title = {Grape: Knowledge Graph Enhanced Passage Reader for Open-domain Question Answering},
author = {Mingxuan Ju and Wenhao Yu and Tong Zhao and Chuxu Zhang and Yanfang Ye},
journal= {arXiv preprint arXiv:2210.02933},
year = {2022}
}
备注
Findings of EMNLP2022