面向知识图上复杂问答的消息传递方法
计算与语言
2019-08-20 v1 人工智能
信息检索
摘要
知识图上的问答（KGQA）已从简单的单事实问题演变为需要图遍历与聚合的复杂问题。我们提出一种用于复杂 KGQA 的新方法，采用无监督消息传递，将解析输入问题并在知识图中匹配术语所获得的置信度分数传播至一组可能答案。首先，我们识别自然语言问题中提及的实体、关系与类名，并将其映射到图中的对应项。然后，这些映射的置信度分数通过图结构传播以定位答案实体。最后，根据识别的问题类型进行聚合。该方法可有效实现为一系列稀疏矩阵乘法，模拟小局部子图上的连接操作。我们的评估结果表明，所提方法在 LC-QuAD 基准上优于当前最优方法。此外，我们展示该方法的性能仅依赖于问题解释结果的质量，即给定正确的相关性分数分布，我们的方法总能产生正确的答案排序。我们的错误分析揭示了基准数据集中缺失的正确答案以及 DBpedia 知识图中的不一致性。最后，我们提供了对所提方法的综合评估及消融研究与错误分析，更详细地展示了各问答组件的缺陷。
引用
@article{arxiv.1908.06917,
title = {Message Passing for Complex Question Answering over Knowledge Graphs},
author = {Svitlana Vakulenko and Javier David Fernandez Garcia and Axel Polleres and Maarten de Rijke and Michael Cochez},
journal= {arXiv preprint arXiv:1908.06917},
year = {2019}
}
备注
Accepted in CIKM 2019