基于知识感知阅读器的不完整知识库问答改进方法
计算与语言
2019-06-03 v2 人工智能
摘要
我们提出了一种新的端到端问答模型,该模型学习从不完整知识库(KB)和一组检索到的文本片段中聚合答案证据。基于结构化知识库更易查询、且所获知识有助于理解非结构化文本的假设,我们的模型首先从问题相关的知识库子图中累积实体知识;然后在隐空间中重构问题,并利用手头累积的实体知识阅读文本。最后将来自知识库和文本的证据聚合以预测答案。在广泛使用的 KBQA 基准 WebQSP 上,我们的模型在不同知识库不完整程度设置下均取得了一致的性能提升。
引用
@article{arxiv.1905.07098,
title = {Improving Question Answering over Incomplete KBs with Knowledge-Aware Reader},
author = {Wenhan Xiong and Mo Yu and Shiyu Chang and Xiaoxiao Guo and William Yang Wang},
journal= {arXiv preprint arXiv:1905.07098},
year = {2019}
}
备注
ACL 2019