PullNet：基于知识库与文本迭代检索的开放域问答
计算与语言
2019-04-23 v1 机器学习
摘要
我们考虑开放域问答（QA），其中答案取自语料库、知识库（KB）或两者的组合。我们关注这样一种设定：语料库辅以一个大规模但不完整的 KB，且问题需要非平凡（例如“多跳”）推理。我们描述了 PullNet，一个用于（1）学习检索什么（从 KB 和/或语料库）以及（2）利用这些异构信息进行推理以找到最佳答案的集成框架。PullNet 使用迭代过程来构建包含与问题相关信息的问题特定子图。在每次迭代中，图卷积网络（graph CNN）用于识别应使用在语料库和/或 KB 上的检索（或“拉取”）操作进行扩展的子图节点。子图完成后，类似的图 CNN 用于从子图中提取答案。这种检索与推理过程使我们能够使用大型 KB 和语料库来回答多跳问题。PullNet 是弱监督的，需要问答对但不需要金标准推理路径。实验上 PullNet 优于先前的最优水平（state-of-the-art），并且在语料库与不完整 KB 结合使用的设定下，这些改进往往是显著的。PullNet 在仅 KB 设定或仅文本设定下也常优于先前的系统。
引用
@article{arxiv.1904.09537,
title = {PullNet: Open Domain Question Answering with Iterative Retrieval on Knowledge Bases and Text},
author = {Haitian Sun and Tania Bedrax-Weiss and William W. Cohen},
journal= {arXiv preprint arXiv:1904.09537},
year = {2019}
}