- ACL使用软提示和随机游走触发语言模型中的多跳推理以进行问答
本文提出通过结构化知识图谱中的随机游走来指导语言模型完成多跳推理,从而有效解决语言模型在问答任务中组合多条逻辑事实的限制,并在两个 T5 语言模型上取得了显著的实验效果提升。
- HOP, UNION, GENERATE: 可解释的无需理由监督的多跳推理
该研究提出了一种基于概率的方法来训练可解释的多跳问答系统,该系统可以在无需基于理由的监督的情况下进行训练。该方法将理由明确建模为集合,能够在文档之间以及文档内部的句子之间进行交互和多跳推理,这种方法在选择理由方面比之前的方法更加准确。
- ACL利用思维链提示推理隐含情感
本文提出一种 Three-hop Reasoning CoT Framework,用于处理隐含情感分析,它模拟了人类推理过程,利用多步提示逐步诱导潜在方面、意见和情感极性,并且在监督设置中的 F1 值超过了 6% 的 state-of-th - 基于注意力机制的时间知识图谱推理的自适应强化学习
提出了一种基于注意力机制的自适应强化学习模型 (DREAM),该模型可有效进行缺失元素预测和多跳推理,并展现了其在公开数据集上的卓越性能。
- 一种基于图导引的开放式通识问答推理方法
论文通过构建一个与问题相关的知识图谱并采用顺序子图推理过程来预测答案,提出了一种新的模型来解决多跳推理的通识推理问题,提高了在 OpenCSR 数据集上的性能。
- 跨文件关系提取的多跳证据检索
本研究提出了一种基于证据路径挖掘和排序的多跳证据检索方法 Mr.CoD,通过多种检索变量探究跨文献关系抽取中的跨文献证据检索和多跳推理挑战。该方法在 CodRED 数据集上的实验结果表明,通过 Mr.CoD 实现的证据检索有效地获得了跨文献 - 使用知识基础降低开放域对话中的臆想问题(RHO(ρ))
本文提出了结合知识图谱中的联通实体和关系谓词表达方式,通过局部和全局知识接地的方式建立起区分模型的关联模型并进行实验验证。结果表明,在减少幻觉方面取得了显著成果 (FeQA 中 17.54%的提高),更好的内部转换推理技术和对话推理技术。
- JECC: 由互動小說衍生的常識推理任務
本文提出了一种新的常识推理数据集,基于人类的互动小说游戏通过游戏演示,提供各种推理类型的自然混合,并需要多次推理。该数据集较以往的数据集需要更少的人工干预,实验表明,与人类专家相比,该数据集对以前的机器阅读模型具有显着的 20%性能差距。
- Dense-ATOMIC: 在 ATOMIC 基础上构建密集连接和多跳常识知识图谱
本文提出了一种基于关系预测模型的常识知识图谱完备性方法,用于填补常识知识图谱中双方之间缺失的知识链接,并构建了一种密集连接和多跳的常识知识图谱 Dense-ATOMIC,实验证明该方法提高了 ATOMIC 的效率。
- COLING理解并改善生成式问答中的零样本多跳推理
本文研究发现,生成式问答模型的多跳推理能力非常有限,但可以通过训练拼接单跳问题或逻辑形式的方式进行改进。
- 学会阐述:基于思维链的多模态推理用于科学问答
利用多模态多选问题和对应的讲座和解释构建科学问题回答 (ScienceQA) 基准测试,证明思路链在语言模型中的实用性,并通过在 GPT-3 上实现 18.96% 的 few-shot leap 提高上界;证明与人类类似,从解释中受益,可以 - MMKGR: 多跳多模态知识图谱推理
本研究提出了一种名为 MMKGR 的新型模型,其中包含一种统一的门 - 关注网络和一种补充特征感知的强化学习方法,通过有效的多模态补充特征和多次迭代推理,能够更好地实现知识图谱方面的任务,与现有方法相比推理性能更好。
- COLING利用关系路径的混合语义进行知识图谱上的多跳问答
本文提出了一种利用关系路径的混合语义来改善多跳知识图谱问答(KGQA)的方法,以较大程度的解决理解复杂问题的问题,通过实验证明该方法在多跳场景下的优越性。
- COLING寻址再问:透明的逐步推理用于多跳问答
本文提出了一个解释性逐步推理框架,将单跳支持句子识别和单跳问题生成结合起来,并利用当前跳的推理来推导出最终结果。我们使用一个统一的读者模型进行中间跳推理和最终跳推理,并采用联合优化来实现更精确和稳健的多跳推理,取得了良好的实验效果。
- 更好的检索并不一定会导致更好的问答
本文针对欧洲议会选举的数据进行建模,提出了一种基于随机森林和多层感知器神经网络相结合的方法,去完成对选民意向的预测任务,该模型相比其他模型具有更好的预测准确度和稳定性。
- ACL基于超图变换器的基于知识的视觉问答的弱监督多跳推理
本文提出了一种新的基于超图的模型,用于解决知识库视觉问答中的多跳推理问题。该模型可以将高级问题的语义和知识库相结合,并通过超图内部和跨越两个超图之间的关联编码来预测答案。我们的实验证明了该方法的有效性。
- AAAIStepGame:文本中鲁棒型多跳空间推理的新基准
本文提出了一个新的多跳空间推理文本问答数据集 StepGame,并利用基于张量积的记忆增强神经网络(TP-MANN)解决空间推理任务,得到了比 bAbI 数据集更好的性能和稳健性能。
- ACLLinkBERT: 利用文档链接对语言模型进行预训练
本研究提出了一种基于链接文档的 LM 预训练方法 LinkBERT,利用文档之间的超链接链接构建了文本语料库的图形,并通过预训练实现了关系预测和蒙面语言建模两个联合自监督目标,其在多跳推理和少样本 QA 方面特别有效,同时在 BioNLP - EMNLPSQUIRE: 多跳知识图推理的序列到序列框架
SQUIRE 是第一个基于序列到序列结构的多跳推理框架,利用编码器 - 解码器 Transformer 结构来将查询转化为路径,实验表明我们的方法在标准和稀疏知识图上都取得了显著的改进同时收敛速度提高了 4-7 倍。
- SMORE:大规模知识图谱补全和多跳推理
Scalable Multi-hOp REasoning (SMORE) is a new framework for both single-hop and multi-hop reasoning in knowledge graphs,