面向时序知识图谱问答的时间感知多路自适应融合网络
计算与语言
2023-03-15 v2
摘要
知识图谱（KGs）因其在自然语言处理中的广泛应用而受到越来越多的关注。然而，其在时序问答（QA）上的用例尚未得到充分探索。大多数现有方法基于预训练语言模型开发，这可能不足以针对时序 KGQA 任务学习实体的时间特定表示。为缓解此问题，我们提出了一种新颖的时间感知多路自适应（TMA）融合网络。受人类逐步推理行为的启发，对于给定的每个问题，TMA 首先从 KG 中提取相关概念，然后将其输入多路自适应模块以产生问题的时间特定表示。该表示可与预训练的知识图谱嵌入结合以生成最终预测。实证结果验证了所提模型在基准数据集上优于最先进的模型。值得注意的是，TMA 在 CronQuestions 数据集复杂问题上的 Hits@1 和 Hits@10 结果相较最佳基线分别绝对提升了 24% 和 10%。此外，我们还表明采用自适应融合机制的 TMA 可通过分析问题表示中信息占比来提供可解释性。
引用
@article{arxiv.2302.12529,
title = {Time-aware Multiway Adaptive Fusion Network for Temporal Knowledge Graph Question Answering},
author = {Yonghao Liu and Di Liang and Fang Fang and Sirui Wang and Wei Wu and Rui Jiang},
journal= {arXiv preprint arXiv:2302.12529},
year = {2023}
}
备注
ICASSP 2023