基于注意力神经机器翻译的地球观测关联数据自然语言问答研究
计算与语言
2021-02-22 v1 人工智能
摘要
随着地理空间关联开放数据在网络上被采纳和发布的数量不断增加，亟需开发直观的接口与系统，以对这种丰富的异构多模态数据集进行无缝且高效的探索性分析。本研究致力于通过开发自然语言接口以促进查询，从而改进地球观测（EO）关联数据的探索过程。针对地球观测关联数据提出的问题具有内在的时空维度，并可使用 GeoSPARQL 表示。本文旨在研究和分析基于 RNN 的带注意力神经机器翻译在将自然语言问题转换为 GeoSPARQL 查询中的使用。具体而言，其目标是评估一种神经方法在识别自然语言中的空间谓词并将其映射到 GeoSPARQL 的拓扑词汇扩展（包括 Egenhofer 与 RCC8 关系）方面的可行性。随后这些查询可在三元组存储上执行，以得出自然语言问题的答案。我们构建了一个由自然语言问题到 Corine Land Cover（CLC）关联数据上 GeoSPARQL 查询的映射组成的数据集，用于训练和验证深度神经网络。从我们的实验来看，带注意力的神经机器翻译是将自然语言问题中的空间谓词翻译为 GeoSPARQL 查询这一任务的一种有前景的方法。
引用
@article{arxiv.2101.09427,
title = {Towards Natural Language Question Answering over Earth Observation Linked Data using Attention-based Neural Machine Translation},
author = {Abhishek V. Potnis and Rajat C. Shinde and Surya S. Durbha},
journal= {arXiv preprint arXiv:2101.09427},
year = {2021}
}
备注
Accepted at IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2020