ACLJun, 2024

SPAGHETTI：异构数据源的开放领域问答 —— 检索和语义解析

PDF
TL;DRSPAGHETTI 是一个混合问答 (QA) 流水线，利用来自知识库、文本、表格和信息框的异构知识源，通过 LLM 增强方法在 Compmix 数据集上取得了最先进的性能，达到了 56.5% 的精确匹配（EM）率。更重要的是，对数据集的一部分进行手动分析表明，SPAGHETTI 的准确率超过 90％，表明 EM 不再适用于评估当前的 QA 系统的能力。
发现论文，激发创造
  • HybridQA: 表格和文本数据的多跳问答数据集

    HybridQA 是一个基于异构信息的新的大规模问答数据集，通过对表格和文本信息的聚合完成问答，结果表明使用异构信息的混合模型可以获得高于基准模型的精确度。

    Apr, 2020

  • SPARTA: 基于稀疏变换器匹配检索的高效开域问答

    SPARTA 是一种新颖的神经检索方法，其学习稀疏表示，可高效地实现反向索引进行可扩展的神经检索，通过在英语和中文数据集的各种开放域问答任务中实现先进的结果，同时具有人类可解释的表征和对性能和效率之间权衡的灵活控制。

    Sep, 2020

  • 通过增加自然语言变化提升语义解析的泛化能力

    使用数据增强来增强文本到 SQL 解析器对自然语言变化的鲁棒性，通过大型语言模型生成更真实和多样化的问题，从而在评估集合中实现显著的改进。

    Feb, 2024

  • 面向开放域问答的混合文本和表格证据的双重阅读器 - 解析器

    本文提出一种混合型框架，将文本和表格式证据作为输入，根据问题生成直接答案或 SQL 查询，并在几个开放领域问题回答（ODQA）数据集上表现出了明显优于基线模型的表现。在详细的分析中，证明生成结构化 SQL 查询将始终带来收益，尤其是对于那些需要复杂推理的问题。这是第一个将 Text2SQL 应用于 ODQA 任务的论文。

    Aug, 2021

  • 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

  • SPARQA: 基于骨架的知识库复杂问题语义解析

    本文提出了一种骨架语法来表达复杂问题的高级结构，并结合基于 BERT 的解析算法，采用多策略方法，包括句子级和单词级语义，来提高细粒度语义解析的准确性。实验结果表明，该方法在多个数据集上有良好表现。

    Mar, 2020

  • 面向开放域问答的多跳段落检索

    本文提出了一种方法，用于在大量知识库之中检索多个支持段落，以回答所提出的问题。该方法使用联合向量表示形式，并考虑知识源中段落的上下文句子表示形式。该技术在 SQuAD-Open 和 HotpotQA 的数据集上实现了开放域问答的最新成果。

    Jun, 2019

  • 开放领域问答的知识融合和语义知识排名

    本文提出一种基于语义知识排名模型和知识融合模型的开放领域问答方法，该方法通过整合基于 Lucene 的信息检索系统检索的知识和 BERT 语言模型中的外部检索知识，以正确回答问题。研究表明，基于知识融合模型的方法优于之前的尝试。

    Apr, 2020

  • 面向知识图谱的对话问答的语义解析

    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

  • AMUSE: 面向语义链接数据的多语言问答语义解析

    研究发现，多语言自然语言问答技术仍存在困难，我们提出了一种利用 DUDES 和 MCMC 方法建立模型的 QALD 管道，成功将自然语言问题转换为可执行的 SPARQL 查询，并且在英语、德语和西班牙语环境下进行了测试。

    Feb, 2018