关系图卷积神经网络在多跳推理中的比较研究
计算与语言
2022-10-14 v2 人工智能
机器学习
摘要
多跳问答是一项复杂的自然语言处理任务，需要多步推理以找到给定问题的正确答案。先前研究已探索基于图神经网络的模型来处理该任务。已提出多种架构，包括关系图卷积网络（RGCN）。针对这些架构引入了众多节点类型及其间关系，例如简单实体共现、共指建模，或通过中间实体从问题到答案的“推理路径”。然而，关于哪些关系、节点类型、嵌入和架构对该任务最有益，仍缺乏细致分析。本文中我们探索若干基于 RGCN 的多跳问答模型、图关系与节点嵌入，并基于 WikiHop 数据集实证探究各自对多跳问答性能的影响。
引用
@article{arxiv.2210.06418,
title = {Relational Graph Convolutional Neural Networks for Multihop Reasoning: A Comparative Study},
author = {Ieva Staliūnaitė and Philip John Gorinski and Ignacio Iacobacci},
journal= {arXiv preprint arXiv:2210.06418},
year = {2022}
}
备注
8 pages + 2 pages references, 3 figures, 3 tables