知识图谱—深度学习：航空安全领域问答的案例研究
计算与语言
2022-06-13 v2 人工智能
机器学习
摘要
在商业航空领域，存在大量文档，如事故报告（NTSB、ASRS）和监管指令（ADs）。需要一套系统来高效访问这些多样化存储库，以满足航空业在维修、合规和安全等方面的需求。本文中，我们提出了一种基于知识图谱（KG）引导的深度学习（DL）的问答（QA）系统，用于航空安全。我们从飞机事故报告构建知识图谱，并将该资源贡献给研究界。上述 QA 系统测试并证明了该资源的有效性。由前述文档构建的自然语言查询被转换为 SPARQL（RDF 图数据库的接口语言）查询并得以回答。在 DL 方面，我们有两种不同的 QA 模型：（i）BERT QA，其为段落检索（基于 Sentence-BERT）与问答（基于 BERT）的流水线，以及（ii）近期发布的 GPT-3。我们在一组由事故报告创建的查询上评估了我们的系统。我们的组合 QA 系统相比 GPT-3 准确率提升 9.3%，相比 BERT QA 提升 40.3%。因此，我们推断 KG-DL 的表现优于单独使用二者。
引用
@article{arxiv.2205.15952,
title = {Knowledge Graph - Deep Learning: A Case Study in Question Answering in Aviation Safety Domain},
author = {Ankush Agarwal and Raj Gite and Shreya Laddha and Pushpak Bhattacharyya and Satyanarayan Kar and Asif Ekbal and Prabhjit Thind and Rajesh Zele and Ravi Shankar},
journal= {arXiv preprint arXiv:2205.15952},
year = {2022}
}
备注
LREC 2022 Main Conference Accepted Paper