基于神经网络与非神经网络的知识图谱简单问答强基线方法
计算与语言
2018-06-07 v2
摘要
我们研究知识图谱上的问答问题,聚焦于可通过查找单一事实来回答的简单问题。采用将问题直接分解为实体检测、实体链接、关系预测与证据组合的方法,我们探索了简单却强大的基线。在流行的 SimpleQuestions 数据集上,我们发现基础的 LSTM 和 GRU 加上一些启发式规则即可达到接近 SOTA 的准确率,且不使用神经网络的技术也表现相当不错。这些结果表明,文献中提出的复杂深度学习技术带来的增益相当有限,且一些先前的模型存在不必要的复杂性。
引用
@article{arxiv.1712.01969,
title = {Strong Baselines for Simple Question Answering over Knowledge Graphs with and without Neural Networks},
author = {Salman Mohammed and Peng Shi and Jimmy Lin},
journal= {arXiv preprint arXiv:1712.01969},
year = {2018}
}
备注
Published in NAACL HLT 2018