基于三元组检索的问答图推理
计算与语言
2023-05-31 v1
摘要
回答复杂问题通常需要在知识图谱（KGs）上进行推理。最先进的方法通常利用问题中的实体检索局部子图，然后将其输入KG编码器（如图神经网络（GNNs））以建模其局部结构，并集成到语言模型中用于问答。然而，这种范式将检索到的知识限制在局部子图中，并丢弃了KG中更多虽不相连但对问答有用的多样化三元组。在本文中，我们提出一种简单而有效的方法：首先从KG中检索最相关的三元组，然后对其进行重排序，之后将其与问题拼接输入语言模型。在CommonsenseQA和OpenbookQA数据集上的大量结果表明，我们的方法在绝对准确率上可超越最先进方法至多4.6%。
引用
@article{arxiv.2305.18742,
title = {Graph Reasoning for Question Answering with Triplet Retrieval},
author = {Shiyang Li and Yifan Gao and Haoming Jiang and Qingyu Yin and Zheng Li and Xifeng Yan and Chao Zhang and Bing Yin},
journal= {arXiv preprint arXiv:2305.18742},
year = {2023}
}
备注
Findings of ACL 2023