基于深度神经网络的半结构化异质家谱知识图谱问答
计算与语言
2023-08-01 v1 人工智能
信息检索
机器学习
摘要
随着用户生成的家谱族树的日益普及，新的家谱信息系统得以开发。最先进的自然问答算法采用基于自注意力网络的深度神经网络（DNN）架构。然而，其中一些模型使用基于序列的输入，不适合处理基于图的结构，而基于图的 DNN 模型依赖于家谱领域所缺失的知识图谱的高度完备性。此外，这些有监督 DNN 模型需要家谱领域所缺乏的训练数据集。本研究提出了一种利用家谱族树进行问答的端到端方法：1）将家谱数据表示为知识图谱，2）将其转换为文本，3）将其与非结构化文本结合，4）训练基于 transformer 的问答模型。为评估对专用方法的需求，将在自动生成的家谱数据集上微调的模型（Uncle-BERT）与最先进的问答模型进行了比较。研究结果表明，回答家谱问题与开放域问题之间存在显著差异。此外，所提方法在降低复杂度的同时提高了准确性，并可能对家谱研究和实际项目具有实践意义，使专家及公众均可获取家谱数据。
引用
@article{arxiv.2307.16214,
title = {Question Answering with Deep Neural Networks for Semi-Structured Heterogeneous Genealogical Knowledge Graphs},
author = {Omri Suissa and Maayan Zhitomirsky-Geffet and Avshalom Elmalech},
journal= {arXiv preprint arXiv:2307.16214},
year = {2023}
}