基于历史语义图增强并融入时序信息建模的对话式知识库问答
计算与语言
2023-06-13 v1
摘要
上下文信息建模是对话式知识库问答（Conversational KBQA）中的一项重要任务。然而，现有方法通常假设话语之间相互独立，并对其进行孤立建模。本文提出了一种历史语义图增强的知识库问答模型（HSGE），该模型能够有效建模对话历史中的长距离语义依赖关系，同时保持较低的计算成本。该框架包含一个上下文感知编码器，采用动态记忆衰减机制，并在不同粒度级别上对上下文进行建模。我们在一个广泛使用的复杂序列问答基准数据集上对HSGE进行了评估。实验结果表明，在所有问题类型上，其平均性能均优于现有基线模型。
引用
@article{arxiv.2306.06872,
title = {History Semantic Graph Enhanced Conversational KBQA with Temporal Information Modeling},
author = {Hao Sun and Yang Li and Liwei Deng and Bowen Li and Binyuan Hui and Binhua Li and Yunshi Lan and Yan Zhang and Yongbin Li},
journal= {arXiv preprint arXiv:2306.06872},
year = {2023}
}
备注
Accepted to ACL 2023 Main Conference