利用关系路径的混合语义进行知识图谱上的多跳问答
UniKGQA 是一种新的多跳知识图谱问答方法,通过统一检索和推理模型架构和参数学习,基于预训练语言模型的语义匹配模块和匹配信息传播模块进行问题与关系的语义匹配,采用共同的预训练任务和检索以及推理定向的微调策略。
Dec, 2022
本论文提出了一种新颖的知识感知方法,将预训练语言模型与多跳关系推理模块相结合,对外部知识图谱子图进行多跳关系推理。该方法统一了基于路径的推理方法和图神经网络,提高了可解释性和可伸缩性,并在常识问答和开放式书面问答数据集上证明了其有效性和可伸缩性,并通过案例研究进行了解释。
May, 2020
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
本文提出了使用具有知识的路径生成器增强普通常识问题回答框架的方法,并使用现有路径和最先进的语言模型外推,生成连接文本中一对实体的动态,可能是新颖的多跳关系路径,从而提供解决常识问题所需的结构化证据。两个数据集上的实验表明,我们的方法优于之前完全依赖 KG 知识的研究(精度提高了高达 6%),而且生成的路径通常是可解释的、新颖的,也与任务相关。
May, 2020
通过多跳推理,我们提出了一种与知识图中的关系类型数量成比例的方法,具有出色的可扩展性,可以用于实现多项元 QA 数据集的目的,并实现了更具挑战性的 WebQuestionsSP 的最新技术水平。
Oct, 2021
这篇研究论文探讨了如何使用自然语言问答,相结合的语言模型和 KG 嵌入来回答生物学家们所提出的一系列自由形式的问题,其 KG 数据集来源于 Hetionet,并利用该数据集创建一个多跳生物医学问答数据集以测试多跳生物医学问答系统。
Nov, 2022
介绍了一种基于图形的循环检索方法,学习在 Wikipedia 图形上检索推理路径来回答多跳开放域问答问题。该方法在三个开放域 QA 数据集上实现了最新技术成果,特别是在 HotpotQA 中表现出显著的改进,超过了以前最好的模型 14 个百分点以上。
Nov, 2019
本研究提出了一种基于路径的推理方法,用于多跳阅读理解任务,该方法结合了多个段落的事实来回答问题,并以 PathNet 模型为例,使用实体对表示方法从文本中提取隐含关系并编码路径。我们展示了该方法在多跳 Wikihop 数据集上的优异表现,并且可以推广到 OpenBookQA 数据集,达到最先进的性能水平。
Nov, 2018