面向知识图谱上复杂问答的查询图排序学习
机器学习
2018-11-06 v1 人工智能
机器学习
摘要
本文对用于知识图谱上复杂问答任务的神经查询图排序方法进行了实证探究。我们实验了六种不同的排序模型,并提出了一种新颖的基于自注意力的槽位匹配模型,该模型利用了我们所选逻辑形式——查询图的固有结构。在 DBpedia 知识图谱上的两个问答数据集中,我们提出的模型在不同设置下的评估中普遍优于其他模型。此外,我们展示了从较大的问答数据集到较小数据集的迁移学习带来了显著改进,有效弥补了训练数据普遍不足的问题。
引用
@article{arxiv.1811.01118,
title = {Learning to Rank Query Graphs for Complex Question Answering over Knowledge Graphs},
author = {Gaurav Maheshwari and Priyansh Trivedi and Denis Lukovnikov and Nilesh Chakraborty and Asja Fischer and Jens Lehmann},
journal= {arXiv preprint arXiv:1811.01118},
year = {2018}
}