面向文本蕴涵的知识图谱基于路径的语境化
人工智能
2020-02-05 v2 计算与语言
摘要
在本文中，我们引入知识图谱语境化问题——即给定一个特定的 NLP 任务，从给定知识图谱中提取有意义且相关的子图的问题。本文中的任务是文本蕴涵问题，语境是针对文本蕴涵问题实例的相关子图——其中给定两个句子 p 和 h，必须自动预测它们之间的蕴涵关系。我们的方法基于在成本定制的外接知识图谱中寻找路径，并构建连接 p 和 h 的最相关子图。我们表明，我们用于生成子图的路径选择机制不仅减少了噪声，还从大型知识图谱中检索到有意义的信息。我们的评估表明，使用实体信息以及它们之间的关系改进了纯基于文本的系统的性能。
引用
@article{arxiv.1911.02085,
title = {Path-Based Contextualization of Knowledge Graphs for Textual Entailment},
author = {Kshitij Fadnis and Kartik Talamadupula and Pavan Kapanipathi and Haque Ishfaq and Salim Roukos and Achille Fokoue},
journal= {arXiv preprint arXiv:1911.02085},
year = {2020}
}