面向知识图上协作问答的优化
计算与语言
2019-08-15 v1 信息检索
摘要
面向知识图的协作问答（CQA）框架旨在集成现有的问答（QA）组件以实现QA任务序列（即QA流水线）。研究界已对CQA给予大量关注，因为它们除了提供流水线的灵活性外，还支持可用组件的可重用性与可扩展性。CQA框架试图通过求解两个优化问题来自动构建此类流水线：1）每个QA任务上QA组件的局部集体性能；2）QA流水线的全局性能。尽管相较单体QA系统具有若干优势，CQA框架在回答问题时的有效性与效率仍受限。在本文中，我们处理CQA框架的局部优化问题，并提出了一种三重方法，其将特征选择技术与监督式机器学习方法相结合，以高效识别性能最佳的组件。我们在现有基准上对我们的方法进行了实证评估，并与现有的自动CQA框架进行比较。观察到的结果证明，我们的方法比当前最优（SOTA）回答了更多的问题，同时减少了：i）所用特征数量达50%；ii）所用组件数量达76%。
引用
@article{arxiv.1908.05098,
title = {Towards Optimisation of Collaborative Question Answering over Knowledge Graphs},
author = {Kuldeep Singh and Mohamad Yaser Jaradeh and Saeedeh Shekarpour and Akash Kulkarni and Arun Sethupat Radhakrishna and Ioanna Lytra and Maria-Esther Vidal and Jens Lehmann},
journal= {arXiv preprint arXiv:1908.05098},
year = {2019}
}