Sep, 2022

DecAF：针对知识库问答的答案和逻辑形式联合解码

PDF
TL;DR本文提出了一种基于简单的自由文本检索而非依赖工具实现的实体链接的新框架 DecAF，旨在检索答案，解决了生成的逻辑形式可能出现的语法和语义错误的非执行问题，并获得了 WebQSP、FreebaseQA 和 GrailQA 数据集上的最新业绩。
发现论文，激发创造
  • 面向多跳问题回答的粗粒度分解与细粒度交互

    本文提出了一种新的多跳问题回答模型架构，通过应用 CGDe 和 FGIn 两种策略，在 SQuAD 和 HotpotQA 数据集上表现出超越 state-of-the-art 基线的性能。

    Jan, 2021

  • 一种基于 FOFE-net 框架的简单有效知识库问答方法

    提出了一个基于 FOFE 和深度神经网络的简单但通用的神经模型 (FOFE-net) 来解决不同阶段的 KB-QA 问题，包括实体发现和链接 (EDL) 以及关系检测，评估结果表明 FOFE-net 在所有数据集的子任务中表现良好并推动了整体 KB-QA 系统的强大表现。

    Mar, 2019

  • 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

  • 使用自由文本知识图谱进行复杂事实型问答

    DELFT 是一个事实性问题回答系统，它将知识图谱问题回答方法的细微差别和深度与自由文本的广泛涵盖相结合。DELFT 从维基百科构建了一个自由文本知识图谱，使用实体作为节点，实体共现的句子作为边。DELFT 针对每个问题在自由文本图中找到将问题实体节点连接到候选节点的子图，使用文本句子作为边，创建稠密和高覆盖率的语义图。通过使用图神经网络，DELFT 可以从自由文本图中推理，通过沿着边句子的信息结合节点上的证据来选择最终答案。

    Mar, 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

  • 利用知识库和文本的早期融合进行开放领域问答

    该论文提出了一种新模型 Graft-Net，应用于 Open Domain Question Answering 问题，该模型结合了文本和知识库并利用子图表示法以提高效率和准确度

    Sep, 2018

  • Uni-Parser: 知识库和数据库问答的统一语义分析器

    本文介绍了 Uni-Parser，一种用于问答（QA）的统一语义解析器，旨在应对知识库（KB）和数据库（DB）中的结构化数据，通过引入原语的概念，使得候选逻辑形式数量线性增长，避免了指数级增长和泛化问题，并且实现了与原语不同操作的复杂逻辑形式的生成和预测，通过对比原语排名器的修剪，增强了其泛化能力，实现了在多个 KB 和 DB QA 基准测试中更为高效和有竞争力的结果，特别是在组合和零 - shot 设置方面。

    Nov, 2022

  • 弱监督基于知识的问答逻辑形式的有效搜索

    本文针对知识库问答的弱监督问题，提出了一种基于操作预测的搜索方法，缩小了搜索空间，避免了冗余逻辑形式，减少了噪声，从而在 CSQA 数据集上将准确率和召回率分别提高了 5 个百分点。

    Sep, 2019

  • 走向语义网上的问答系统

    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

  • 超越 NED：基于知识库的复杂问答快速高效搜索空间削减

    CLOCQ 是一种基于 KB 感知信号的高效方法，通过 score-ordered KB 列表的前 k 个查询处理器，将语义匹配、与问题相关性、候选项间的协同性以及 KB 图的连接性信号相结合，剪枝掉搜索空间中的非相关部分，实验表明 CLOCQ 在复杂问题的 QA 基准测试中表现优于现有的基线。

    Aug, 2021