基于知识图谱嵌入的路径增强多关系问答
计算与语言
2021-11-01 v1 人工智能
机器学习
摘要
多关系知识库问答（KBQA）系统在知识图谱（KG）上执行多跳推理以获得答案。近期方法尝试引入知识图谱嵌入（KGE）技术以应对 KG 的不完备性，但仅考虑三元组事实，忽略了路径与多关系问题之间显著的语义关联。本文提出一种路径与知识嵌入增强的多关系问答模型（PKEEQA），其利用 KG 中实体间的多跳路径，通过可定制的路径表示机制评估路径嵌入与多关系问题嵌入之间的双极关联，从而从三元组事实与额外路径两个角度获益以得到更准确的答案。实验结果表明，PKEEQA 在一定程度上借助路径的可解释性提升了 KBQA 模型在多关系问答上的性能。
引用
@article{arxiv.2110.15622,
title = {Path-Enhanced Multi-Relational Question Answering with Knowledge Graph Embeddings},
author = {Guanglin Niu and Yang Li and Chengguang Tang and Zhongkai Hu and Shibin Yang and Peng Li and Chengyu Wang and Hao Wang and Jian Sun},
journal= {arXiv preprint arXiv:2110.15622},
year = {2021}
}