基于注意力卷积神经网络的简单问答
计算与语言
2016-10-12 v2
摘要
本工作专注于在 Freebase 上回答单关系事实型问题。每个问题可从 Freebase 中形式为（主体，谓词，客体）的单个事实获得答案。该任务，即简单问答（SimpleQA），可通过两阶段流水线解决：实体链接和事实选择。在事实选择中，我们通过字符级卷积神经网络（char-CNN）将事实候选中的主体实体与问题中的实体提及相匹配，并通过词级 CNN（word-CNN）将该事实中的谓词与问题相匹配。本工作做出两个主要贡献。（i）提出了一种简单有效的 Freebase 实体链接器。我们的实体链接器在 SimpleQA 任务上优于最先进的实体链接器。（ii）在 word-CNN 上堆叠了一种新颖的注意力最大池化（attentive maxpooling），使得谓词表示能更有效地与聚焦于谓词的问题表示相匹配。实验表明我们的系统在该任务上确立了新的最先进水平。
引用
@article{arxiv.1606.03391,
title = {Simple Question Answering by Attentive Convolutional Neural Network},
author = {Wenpeng Yin and Mo Yu and Bing Xiang and Bowen Zhou and Hinrich Schütze},
journal= {arXiv preprint arXiv:1606.03391},
year = {2016}
}
备注
Accepted as an oral long paper by COLING'2016