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
本文综述了语义解析系统的各种组件及从初始基于规则的方法到当前程序综合的神经方法的重要进展,重点探讨了使用不同程度监督的方法,并强调了学习此类系统所涉及的关键挑战。
Dec, 2018
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
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
本文介绍了使用自然语言处理技术的语义解析器,将用户的自然语言问题转化为有形式定义的查询语句,通过大规模知识图谱实现。作者提供了一个数据集,其中,用户问题采用 Sparql 语言解析,并对执行结果对系统回答进行注释。通过两种不同的语义解析方法,我们提出了挑战:如何处理大规模词汇,如何建模对话语境,如何处理多实体查询语句,并实现对新问题进行泛化。作者希望我们的数据集能够为开发会话式语义解析器提供有效的测试平台。本文的数据集和模型已经发布,详情请见链接。
Jan, 2023
本文探讨通过与基于抽取网页片段的问答基线相比较,基于语义分析的问答模型的评估方法。在 COMPLEXQUESTIONS 数据集上,我们发现我们的模型获得了合理的表现。
Jul, 2017
本文提出了一种基于 SPARQL 查询的多语言语义 Web 知识库问答(QA)方法,能够查询多个知识库,可轻松移植到其他知识库和语言。通过对五个不同的知识库和五种语言的评估,证明了该方法的影响。
Mar, 2018
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
本研究研究了一种交互式语义解析框架,它可以通过自然语言一步一步地解释预测的逻辑形式,并允许用户通过自然语言反馈进行更正,主要关注问答和知识库的关系,构建了 INSPIRED 数据集,并进行了实验,有望大大提高总体解析精度。
Oct, 2021
提出了一种基于 2 阶段架构的 KBQA 框架,该架构明确地将语义解析与知识库交互分离,从而促进数据集和知识图之间的迁移学习,证明了在具有不同基础知识库的数据集上进行预训练可以显著提高性能并降低样本复杂度。
Nov, 2021