在知识图谱上使用明智的上下文扩展进行对话式问答

Oct, 2019

在知识图谱上使用明智的上下文扩展进行对话式问答

Look before you Hop: Conversational Question Answering over Knowledge Graphs Using Judicious Context Expansion

Philipp Christmann, Rishiraj Saha Roy, Abdalghani Abujabal, Jyotsna Singh, Gerhard Weikum

TL;DRCONVEX 是一种无监督方法，可以通过维护对话上下文使用到目前为止看到的实体和谓词并自动推断缺失或模棱两可的问题部分，回答知识图上的不完整问题。

Abstract

Fact-centric information needs are rarely one-shot; users typically ask follow-up questions to explore a topic. In such a conversational setting, the user's inputs are often incomplete, with entities or predicates left out, and ungrammatical phrases. This poses a huge challenge to question an

question answering unsupervised method knowledge graph conversation context graph exploration algorithm

发现论文，激发创造

复杂的连续问答：学习在知识图谱上对话问答对

本文提出了一个任务，即 Complex Sequential QA，它结合了回答简单事实性问题和通过一系列有逻辑的问答匹配进行会话来进行复杂推理，本文也介绍了关于这个任务所需数据集，以及目前现有的模型在处理实际场景中还存在的不足。

Jan, 2018

基于知识图谱的对话式问答系统

我们提出了一个基于强化学习模型的 CornNet，该模型利用大型语言模型生成的问题重述来改进对知识图谱中的多轮自然语言问题的回答，实验证明 CornNet 优于现有的 ConvQA 模型。

Dec, 2023

对话问答知识图谱中的改述式强化学习

本研究提出了一种基于强化学习的模型 CONQUER，能从包含噪声的问题改写中学习如何回答自然语言问题，并在新提出的基准测试集 ConvRef 上展示了显著的性能提升。

May, 2021

异构数据源中的会话式问答

本研究提出了 CONVINSE，一种面向杂多数据源的对话问答系统，对来自知识库、文本和表格等多种异构数据源相应回答问题，并通过构建 ConvMix 基准测试平台，验证了该系统的优越性能。

Apr, 2022

面向知识图谱的对话问答的结构化上下文和高覆盖率语法

使用神经语义分析方法解决大型知识图库上的弱监督会话问答问题，引入了一种新的逻辑形式语法并使用基于 transformer 的模型将 JSON 输入转换为嵌入列表，最后在两个基于 Wikidata 的数据集上验证了该方法。

Sep, 2021

利用准知识图谱将多文献证据连接来回答复杂问题

该论文介绍了一种名为 QUEST 的方法，该方法通过计算来自不同文档的部分结果的相似度连接，从而直接从文本源中回答复杂问题。

Aug, 2019

知识图谱对话问答中的对比表示学习

通过对话历史和领域信息进行对比表示学习，本文提出了一种基于对比表示学习的方法，用于无需黄金注释的弱监督下进行知识图谱路径排名。实验结果表明，该方法在所有领域和整体上显着优于现有基线，排名指标相对于现有技术表现提高了 10 到 18 个百分点。

Oct, 2022

通过无监督联合建模的查询增强知识密集型对话

本文提出了一个名为 QKConv 的无监督查询改进方法，它在对话型问题回答，任务导向型对话和知识驱动型对话方面相对于无监督方法实现了最先进的性能，与监督方法相比具有竞争性的性能。

Dec, 2022

知识图谱问答的变分推断

本文介绍了一种基于知识图谱的问答系统，采取了一种新型的深度学习架构和端到端变分学习算法，可以同时处理问题中的噪声和多跳推理，在最新的基准数据集中取得了最优表现。

Sep, 2017

QAConv：信息交流的问答

该研究介绍了 QAConv，这是一个新的基于对话的问题回答（QA）数据集，通过长、复杂、异步和涉及强领域知识的信息型对话提供了一个新的训练和评估测试平台来促进 QA 在对话研究中的应用。

May, 2021