EMNLPApr, 2021

基于案例推理的自然语言查询知识库

PDF
TL;DR本文提出了一种神经符号 CBE 方法，包括非参数记忆库和参数模型，能够对大型知识库中的问题进行问答，展示了在 ComplexWebQuestions 数据集上超越当前最新技术 11％的性能并显示出只需少量的人工标记示例，就能使用新案例的能力。
发现论文，激发创造
  • CBR-iKB: 基于案例推理的不完整知识库问答方法

    提出了一种基于案例推理的方法，CBR-iKB，用于知识库问答系统，该方法可以适应不完整的知识库，通过新颖的非参数推理算法，综合多个推理链的决策，无需特定的训练或微调，达到了 100％的 MetaQA 准确度，同时在 WebQSP 下取得了 70％的准确率，超过了现有最优方法 22.3％以上。

    Apr, 2022

  • 基于子图的案例推理知识库问答

    我们提出了一种基于图的方法 CBR-SUBG，利用相似的子图和潜在的推理模式来回答在知识库中问答。我们还提出了一种自适应的子图收集策略，以选择一个紧凑的子图，并显示 CBR-SUBG 可以与最佳模型竞争地回答需要子图推理模式的查询。

    Feb, 2022

  • 基于概率的案例推理用于开放世界知识图谱补全

    通过借鉴类似实体在知识库中的推理路径，使用基于案例的推理系统来预测实体的属性，并引入使用路径统计量有效计算模型参数的概率性方法。在开放世界设置中，该方法的性能显著优于其他规则学习方法并与最先进的基于嵌入的方法相当。

    Oct, 2020

  • 基于案例推理的金融问答解决方法

    通过引入案例推理和扩展案例库，我们提出了一种用于解决金融文档中的数字推理问题的新方法，该方法在 FinQA 数据集上表现出竞争性能，并显示出了复杂多步骤程序的解决能力。

    May, 2024

  • 基于案例推理的机器阅读理解

    提出了一种基于 CBR-MRC 的精确且可解释的答案提取方法，其利用相似问题之间的语义相似性来预测问题的答案，并在 NaturalQuestions 和 NewsQA 数据集上都取得了较高的准确率。

    May, 2023

  • 复杂知识库问答：综述

    本文综述了近年来解决复杂问题的知识库问答的最新进展，介绍了语义分析和信息检索方法，总结了这两类方法在回答复杂问题时遇到的挑战，并详细解释了现有工作中使用的先进解决方案和技术，最后探讨了与复杂 KBQA 相关的若干有前途的研究方向。

    Aug, 2021

  • 知识库复杂问题回答的调查：最新进展和挑战

    本文介绍了复杂问答（QA）的最新进展，分别从基于信息检索和神经语义解析两个方向出发，提出了未来研究的方向，并介绍了阿里巴巴团队提出的模型。

    Jul, 2020

  • 一种基于案例的大型语言模型的持久性内存

    基于案例推理作为问题解决的方法可以使用任何适当的计算技术。该立场论文认为，案例推理研究者在近期的深度学习和大型语言模型方面存在一定的忽视。这些技术发展背后的基础为人工智能的最新突破提供了强大的协同效应，可以用于为大型语言模型提供持久性记忆，从而向人工通用智能迈进。

    Oct, 2023

  • 复杂知识库问答调查：方法、挑战和解决方案

    本论文总结了解决复杂知识库问答任务所面临的挑战及其解决方案，介绍了语义解析方法和信息检索方法两种主流方法，并从两种方法的角度全面地回顾了高级方法及其解决方案，最后总结并讨论了未来研究的一些有前途的方向。

    May, 2021

  • 交互式 KBQA：大型语言模型的知识库问答多轮交互

    通过与知识库进行直接交互生成逻辑形式，我们引入了 Interactive-KBQA 框架来解决知识库问答领域的问题，该框架包括三种通用 API 用于知识库交互，通过步骤推理过程注释数据集，展示了我们模型的适应性和潜力，并在低资源场景中以极少的示例达到了优秀的结果。

    Feb, 2024