面向知识感知问答的可扩展多跳关系推理
计算与语言
2020-09-21 v2 机器学习
摘要
现有为问答（QA）模型增强外部知识（如知识图谱）的工作，要么难以高效建模多跳关系，要么缺乏模型预测依据的透明性。本文提出一种新颖的知识感知方法，为预训练语言模型（PTLM）配备名为多跳图关系网络（MHGRN）的多跳关系推理模块。该模块在从外部知识图谱抽取的子图上执行多跳、多关系推理。所提推理模块统一了基于路径的推理方法与图神经网络，以获得更好的可解释性与可扩展性。我们还在 CommonsenseQA 与 OpenbookQA 数据集上实证展示其有效性与可扩展性，并通过案例研究解释其行为。
引用
@article{arxiv.2005.00646,
title = {Scalable Multi-Hop Relational Reasoning for Knowledge-Aware Question Answering},
author = {Yanlin Feng and Xinyue Chen and Bill Yuchen Lin and Peifeng Wang and Jun Yan and Xiang Ren},
journal= {arXiv preprint arXiv:2005.00646},
year = {2020}
}
备注
Accepted to EMNLP 2020. Project page: https://github.com/INK-USC/MHGRN