内容简介:论文笔记整理:谭亦鸣,东南大学博士生,研究方向为跨语言知识图谱问答。
论文笔记整理:谭亦鸣,东南大学博士生,研究方向为跨语言知识图谱问答。
来源: COLING 2018
链接: https://www.aclweb.org/anthology/C18-1171
问题背景与动机
多关系问答( multi-relationquestion answering )是知识问答的一个重要任务, “ 多关系 ” 指的是问题中包含多个关系和实体信息,为了回答这类问题,需要对知识库中多个事实三元组进行分析和推理。
现有的方法主要可以分为两类:基于语义分析;基于 embedding ;
基于语义分析的方法主要依赖于人工特征与标注,但是泛化能力较弱。
基于 embedding 的方法一般利用弱监督机制训练得到 end-to-end 问答模型,但是现有的方法主要依赖于相似度计算而在推理方面有所欠缺。
在这篇文章中,作者提出 ‘ 可解释推理网络( Interpretable Reason Network , IRN )模型 ’ 用于解决多关系问答。通过多跳推理的形式完成多关系问题的问答过程。
贡献
1. 提出面向多关系问答的 IRN 模型,并在性能上取得了 state-of-art
2. 相对于现有推理网络,这篇文章提出的方法更具可解释性,多跳推理的过程可以清晰的反映答案生成的过程
模型
IRN 的整体框架如图所示,其中包含三个子模型: Input Module; ReasoningModule; Answer Module ,分别用于问句的 embedding ,三元组推理以及答案的生成。
以问题 ‘Howold is Obama’s daughter?’ 为例,问题的解析、推理和回答过程包含三跳 (3 hops) ,每个 hop 包含的过程相同,描述如下:
1. Input Module :输入问题 ( 仅初始 ) ,得到问题的 embedding 形式 q
2. Reasoning Module :输入 q ,以及对问题 NER 得到的实体信息 e 1 ,找到对应的关系 r 1
3. Input Module :将已识别关系信息 r 1 从 q 中去除,得到更新的 q’ ,用于下一步推理
4. Answer Module :根据已得到的 e 1 和 r 1 从知识库中找到对应的答案信息
5. Reasoning Module :将已分析实体信息 e 1 与关系信息 r 1 融合,并用于下一步推理
其中,获取关系 r 的计算过程如以下公式所示:
实验
实验数据
本文实验所使用的数据基于 WorldCup2014 ,数据集的统计信息由表 1 所示。
实验结果
对比模型说明:
1. Embed (Bordes et al., 2014b) :利用 embedding 空间将问题和答案进行匹配的方法
2. Subgraph (Bordes et al., 2014a) :在 Embed 基础上利用实体子图加强答案实体的表达
3. Seq2Seq (Sutskever et al., 2014) :使用基于 LSTM 的 encoder-decoder 实现的语义解析模型
4. MemN2N (Sukhbaatar et al., 2015) :使用记忆网络构建的 end2end 模型,其中记忆单元包含了相关的三元组信息
5. KVMemN2N (Miller et al., 2016) :在 MemN2N 的基础上,将记忆单元划分为键 - 值两个部分,键为头实体及关系,值为尾实体
6. IRN-weak (This paper)
可解释性分析
表 3 反映了 IRN 在多跳过程中识别关系和实体的精准度, r 1 /e 1 -> r n /e n -> a
OpenKG
开放知识图谱(简称 OpenKG)旨在促进中文知识图谱数据的开放与互联,促进知识图谱和语义技术的普及和广泛应用。
点击 阅读原文 ,进入 OpenKG 博客。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 「火锅问答」是啥?面向自然语言和多步推理问题,新型问答数据集HotpotQA面世
- MIT等提出NS-VQA:结合深度学习与符号推理的视觉问答
- 关系推理水平超越人类:DeepMind展示全新神经网络推理预测技术
- 视觉问答领域又一力作!斯坦福大学教授发布图像场景图问答数据集 GQA
- 技术问答集锦(四)
- 技术问答集锦(五)
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Lighttpd源码分析
高群凯 / 机械工业出版社 / 2010-3 / 59.00元
本书主要针对lighttpd源码进行了深度剖析。主要内容包括:lighttpd介绍与分析准备工作、lighttpd网络服务主模型、lighttpd数据结构、伸展树、日志系统、文件状态缓存器、配置信息加载、i/o多路复用技术模型、插件链、网络请求服务响应流程、请求响应数据快速传输方式,以及基本插件模块。本书针对的lighttpd项目版本为稳定版本1.4.20。 本书适合使用lighttpd的人......一起来看看 《Lighttpd源码分析》 这本书的介绍吧!