面向知识库问答的全局语义建模
人工智能
2021-01-06 v1
摘要
语义解析作为知识库问答(KBQA)的重要方法，将问题转化为完整的查询图，以进一步生成正确的逻辑查询。现有的语义解析方法主要关注关系匹配，较少关注问题底层的内在结构(例如问题中所有实体之间的依赖与关系)来选择查询图。本文提出一种基于关系图卷积网络(RGCN)的模型 gRGCN，用于 KBQA 中的语义解析。gRGCN 提取问题及其对应查询图的全局语义，包括通过 RGCN 获得的结构语义，以及通过分层关系注意力机制获得的关联语义(实体间关系的标签表示)。在基准数据集上的实验表明，我们的模型优于现成模型。
引用
@article{arxiv.2101.01510,
title = {Modeling Global Semantics for Question Answering over Knowledge Bases},
author = {Peiyun Wu and Yunjie Wu and Linjuan Wu and Xiaowang Zhang and Zhiyong Feng},
journal= {arXiv preprint arXiv:2101.01510},
year = {2021}
}
备注
7 pages