面向异构知识图谱的关系感知问答
计算与语言
2023-12-20 v1 人工智能
摘要
多跳知识库问答(KBQA)旨在从知识图谱(KG)中寻找答案实体，这需要进行多步推理。现有的基于检索的方法通过关注不同跳中的特定关系并预测推理路径中的中间实体来解决此任务。在这些方法的推理过程中，关系的表示是固定的，但初始的关系表示可能并非最优。我们认为它们未能利用头尾实体的信息以及关系之间的语义联系来增强当前的关系表示，这削弱了捕获KG中关系信息的能力。为解决这一问题，我们构建了一个双重关系图，其中每个节点表示原始KG（原始实体图）中的一个关系，并在共享相同头或尾实体的关系之间构建边。然后，我们迭代地进行原始实体图推理、双重关系图信息传播以及这两个图之间的交互。通过这种方式，增强了实体与关系之间的交互，并获得了更好的实体和关系表示。在两个公开数据集WebQSP和CWQ上的实验表明，我们的方法相比先前最先进的方法取得了显著的性能提升。我们的代码可在 \url{https://github.com/yanmenxue/RAH-KBQA} 获取。
引用
@article{arxiv.2312.11922,
title = {Relation-Aware Question Answering for Heterogeneous Knowledge Graphs},
author = {Haowei Du and Quzhe Huang and Chen Li and Chen Zhang and Yang Li and Dongyan Zhao},
journal= {arXiv preprint arXiv:2312.11922},
year = {2023}
}
备注
Findings of EMNLP2023 (Long)