基于知识增强图神经网络的多段落推理
计算与语言
2019-11-07 v1
摘要
多段落推理对于开放域问答（OpenQA）不可或缺，但在当前 OpenQA 系统中较少受到关注。本文中，我们提出知识增强图神经网络（KGNN），其对多个段落以实体进行推理。为显式捕捉实体的相关性，KGNN 利用知识图谱中的关系事实构建实体图。实验结果表明，在 HotpotQA 数据集上，KGNN 在干扰项与全 wiki 设定下均优于基线方法。我们的进一步分析说明 KGNN 在更多检索段落下有效且鲁棒。
引用
@article{arxiv.1911.02170,
title = {Multi-Paragraph Reasoning with Knowledge-enhanced Graph Neural Network},
author = {Deming Ye and Yankai Lin and Zhenghao Liu and Zhiyuan Liu and Maosong Sun},
journal= {arXiv preprint arXiv:1911.02170},
year = {2019}
}