KG^2：利用上下文知识图谱嵌入学习推理科学考试问题
机器学习
2018-06-01 v1 人工智能
计算与语言
机器学习
摘要
AI2 推理挑战（ARC）是一个新发布的问答（QA）基准数据集。ARC 仅包含为人类考试编写的自然科学问题，这些问题难以回答且需要高级逻辑推理。在 ARC 挑战集上，现有最先进的 QA 系统未能显著优于随机基线，反映出该任务的困难性质。本文提出一种回答科学考试问题的新框架，其模拟人类在开卷考试中的解题过程。为应对推理挑战，我们分别针对问题本身和支撑句构建上下文知识图谱。我们的模型学习利用两个知识图谱的神经网络嵌入进行推理。在 ARC 挑战集上的实验表明，我们的模型优于先前最先进的 QA 系统。
引用
@article{arxiv.1805.12393,
title = {KG^2: Learning to Reason Science Exam Questions with Contextual Knowledge Graph Embeddings},
author = {Yuyu Zhang and Hanjun Dai and Kamil Toraman and Le Song},
journal= {arXiv preprint arXiv:1805.12393},
year = {2018}
}