跳前先看：基于审慎上下文扩展的知识图谱对话式问答
信息检索
2019-11-06 v3 计算与语言
摘要
以事实为中心的信息需求很少是一次性完成的；用户通常会提出后续问题来探索某个主题。在这种对话式场景中，用户的输入往往是不完整的，遗漏了实体或谓词，并且包含不合语法的短语。这给通常依赖完整疑问句线索的问答（QA）系统带来了巨大挑战。作为解决方案，我们开发了 CONVEX：一种无监督方法，它通过在知识图谱（KG）上维护迄今所见实体与谓词构成的对话上下文，并自动推断后续问题中缺失或模糊的部分，从而回答不完整的提问。我们方法的核心是一个图探索算法，该算法审慎地扩展边界以找到当前问题的候选答案。为评估 CONVEX，我们发布了 ConvQuestions，一个来自五个不同领域的、包含 11,200 段不同对话的众包基准。我们表明 CONVEX：（i）可为任何独立 QA 系统添加对话支持；（ii）优于最先进的基线与问题补全策略。
引用
@article{arxiv.1910.03262,
title = {Look before you Hop: Conversational Question Answering over Knowledge Graphs Using Judicious Context Expansion},
author = {Philipp Christmann and Rishiraj Saha Roy and Abdalghani Abujabal and Jyotsna Singh and Gerhard Weikum},
journal= {arXiv preprint arXiv:1910.03262},
year = {2019}
}
备注
CIKM 2019 Long Paper, 10 pages