面向知识库问答的知识增强迭代指令生成与推理
计算与语言
2022-09-08 v1
摘要
多跳知识库问答（KBQA）旨在知识库中找到与问题中提及的主题实体相隔若干跳的答案实体。现有的基于检索的方法首先从问题生成指令，然后用它们指导知识图上的多跳推理。由于指令在整个推理过程中固定不变，且指令生成时未考虑知识图，一旦模型错误预测中间实体便无法修正其错误。为此，我们提出 KBIGER（知识库迭代指令生成与推理），一种借助推理图动态生成指令的新颖高效方法。我们不是在推理前生成所有指令，而是利用第 (k-1) 次推理图来构建第 k 次指令。如此，模型可从图中检查预测并生成新指令以修正中间实体的错误预测。我们在两个多跳 KBQA 基准上实验并超越现有方法，成为新的最优（state-of-the-art）。进一步实验表明我们的方法确实能检测中间实体的错误预测，并具备修正此类错误的能力。
引用
@article{arxiv.2209.03005,
title = {Knowledge-enhanced Iterative Instruction Generation and Reasoning for Knowledge Base Question Answering},
author = {Haowei Du and Quzhe Huang and Chen Zhang and Dongyan Zhao},
journal= {arXiv preprint arXiv:2209.03005},
year = {2022}
}
备注
Accepted by NLPCC 2022(oral)