从文本资源中定向抽取时间事实以改进知识库上的时间问答
计算与语言
2022-03-22 v1 人工智能
摘要
知识库问答（KBQA）系统的目标是通过对从知识库（KB）检索到的相关事实进行推理来回答复杂的自然语言问题。这些系统面临的主要挑战之一是由于知识库不完整、实体/关系链接错误等因素而无法检索到所有相关事实。在本文中，我们针对处理一类特定问题（称为时间问题）的系统解决这一特定挑战，此类问题的答案推导涉及对断言各事件时间点/时间间隔的事实进行推理。我们提出一种新方法，在 KBQA 无法从 KB 检索时间事实时，使用定向时间事实抽取技术予以辅助。我们利用问题的 表达式逻辑地表示组成事实及推导答案所需的推理步骤。这使我们能够定位那些未能从 KB 检索到的事实，并生成文本查询以开放域问答方式从文本资源中抽取它们。我们在以 Wikidata 和 Wikipedia 分别作为 KB 和文本资源的基准时间问答数据集上评估了我们的方法。实验结果显示答案准确率相对提升约 30%，证明了我们方法的有效性。
引用
@article{arxiv.2203.11054,
title = {Targeted Extraction of Temporal Facts from Textual Resources for Improved Temporal Question Answering over Knowledge Bases},
author = {Nithish Kannen and Udit Sharma and Sumit Neelam and Dinesh Khandelwal and Shajith Ikbal and Hima Karanam and L Venkata Subramaniam},
journal= {arXiv preprint arXiv:2203.11054},
year = {2022}
}