面向人机交互中多跳问答的问题感知记忆网络
计算与语言
2021-06-04 v1
摘要
知识图谱问答是智能人机交互中的一项重要技术，旨在利用给定知识图谱自动回答人类自然语言问题。对于具有更高多样性和复杂度的多关系问题，问题的词元在推理步骤的三元组选择中具有不同优先级。大多数现有模型将问题作为一个整体而忽略其中的优先级信息。为解决该问题，我们提出用于多跳问答的问题感知记忆网络，命名为 QA2MN，以在推理过程中及时更新对问题的注意力。此外，我们将图上下文信息融入知识图谱嵌入模型，以增强表示实体和关系的能力。我们用它来初始化 QA2MN 模型并在训练过程中微调。我们在 PathQuestion 和 WorldCup2014 这两个具代表性的复杂多跳问答数据集上评估 QA2MN。结果表明 QA2MN 在两个数据集上取得了最先进的 Hits@1 准确率，验证了模型的有效性。
引用
@article{arxiv.2104.13173,
title = {Question-Aware Memory Network for Multi-hop Question Answering in Human-Robot Interaction},
author = {Xinmeng Li and Mamoun Alazab and Qian Li and Keping Yu and Quanjun Yin},
journal= {arXiv preprint arXiv:2104.13173},
year = {2021}
}
备注
25 pages, 4 figures