使用BERT的语义答案类型预测：IAI在ISWC SMART任务2020中的工作
计算与语言
2021-09-15 v1 人工智能
信息检索
摘要
本文总结了我们参与ISWC 2020挑战赛SMART任务的情况。我们感兴趣的一个具体问题是：与传统方法相比，神经方法特别是诸如BERT之类的Transformer模型在答案类型预测任务上的表现如何。我们的主要发现是，粗粒度答案类型可通过标准文本分类方法有效识别，准确率超过95%，而BERT仅能带来边际改进。另一方面，对于细粒度类型检测，BERT明显优于以往的基于检索的方法。
引用
@article{arxiv.2109.06714,
title = {Semantic Answer Type Prediction using BERT: IAI at the ISWC SMART Task 2020},
author = {Vinay Setty and Krisztian Balog},
journal= {arXiv preprint arXiv:2109.06714},
year = {2021}
}
备注
Published in Proceedings of the SeMantic AnsweR Type prediction task (SMART) at ISWC 2020 Semantic Web Challenge co-located with the 19th International Semantic Web Conference (ISWC 2020). http://ceur-ws.org/Vol-2774/paper-02.pdf