关键词temporal knowledge graph question answering
搜索结果 - 5
- 时态知识图谱问答:综述
本文从两个角度,即时间问题的分类和基于语义解析和知识图嵌入的方法论分类,对时间知识图问答(TKGQA)进行了全面概述,为该领域的发展提供了参考,并激发了进一步研究的动力。
- COLING面向时间知识图谱问答的自我提升编程
基于时间知识图谱问答的研究通过引入基于语义解析的方法,设计了基础的时间操作符,并且采用自我改进的策略提高了大型语言模型在理解问题和生成答案方面的能力。
- 基于大型语言模型的时间知识图的两阶段生成式问答
提出一种新颖的生成式时间知识图问答框架(GenTKGQA),通过两个阶段引导 LLMs 回答时间性问题:子图检索和答案生成。在第一个阶段,利用 LLM 的内在知识来挖掘问题中的时间约束和结构链接,从而缩小子图搜索空间。在第二个阶段,设计虚拟 - 基于多事实推理网络的复杂时态问答知识图谱模型
本文提出了联合多事实推理网络(JMFRN),用于准确回答复杂的时态问题,该方法通过从时间知识图中检索问题相关的时间事实,并设计了两个不同的注意力模块(实体感知和时间感知)来聚合检索到的事实的实体和时间信息,并引入了额外的回答类型判断任务来过 - EMNLP基于语义框架的知识图谱时态问答查询生成
给出了用于回答知识图谱上有关时间性问题的 Semantic Framework of Temporal Constraints 框架与基于实体的查询生成方法 SF-TQA,并针对不同知识库进行了评估实验。