TIARA：面向大规模知识库鲁棒问答的多粒度检索
计算与语言
2022-10-25 v1 人工智能
摘要
预训练语言模型（PLMs）已在多种场景中展现出有效性。然而，基于知识库的问答（KBQA）仍具挑战性，尤其在覆盖度与泛化性设定下。这源于两个主要因素：i）理解问题及知识库（KB）中相关知识的语义；ii）生成兼具语义与句法正确性的可执行逻辑形式。本文提出一种新的 KBQA 模型 TIARA，通过应用多粒度检索，帮助 PLM 聚焦于最相关的 KB 上下文，即实体、示例逻辑形式与模式项。此外，采用约束解码以控制输出空间并减少生成错误。在重要基准上的实验证明了本方法的有效性。TIARA 在 GrailQA 和 WebQuestionsSP 上分别至少以 4.1 和 1.1 个 F1 点超越先前 SOTA，包括那些使用 PLM 或预言实体标注的方法。
引用
@article{arxiv.2210.12925,
title = {TIARA: Multi-grained Retrieval for Robust Question Answering over Large Knowledge Bases},
author = {Yiheng Shu and Zhiwei Yu and Yuhan Li and Börje F. Karlsson and Tingting Ma and Yuzhong Qu and Chin-Yew Lin},
journal= {arXiv preprint arXiv:2210.12925},
year = {2022}
}