基于图模式同构的知识图谱问答
人工智能
2022-02-03 v2 计算与语言
摘要
知识图谱问答（KGQA）系统基于机器学习算法，需要数千个问答对作为训练样本，或需要精细调参的自然语言处理流水线。本文提出一种新颖的问答方法 TeBaQA。我们的方法基于 SPARQL 查询基本图模式的图同构来学习回答问题。由于可能模式数量少，学习基本图模式是高效的。这一新范式减少了达到最先进性能所需的训练数据量。TeBaQA 还将 QA 系统开发任务转化为更小更易的数据编译任务，从而加速领域适配过程。在我们的评估中，TeBaQA 在 QALD-8 上达到最先进性能，在 QALD-9 和 LC-QuAD v1 上给出可比结果。此外，我们对涉及聚合与最高级问题的复杂查询进行了细粒度评估以及消融研究，指出了未来的研究挑战。
引用
@article{arxiv.2103.06752,
title = {Knowledge Graph Question Answering using Graph-Pattern Isomorphism},
author = {Daniel Vollmers and Rricha Jalota and Diego Moussallem and Hardik Topiwala and Axel-Cyrille Ngonga Ngomo and Ricardo Usbeck},
journal= {arXiv preprint arXiv:2103.06752},
year = {2022}
}
备注
Version published in the proceedings of the 17th International Conference on Semantic Systems