[译] 一种用于多关系问答的可解释推理网络

栏目: 数据库 · 发布时间: 5年前

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。

[译] 一种用于多关系问答的可解释推理网络

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

[译] 一种用于多关系问答的可解释推理网络

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 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 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:

[译] 一种用于多关系问答的可解释推理网络

实验

实验数据

[译] 一种用于多关系问答的可解释推理网络

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 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)

[译] 一种用于多关系问答的可解释推理网络

可解释性分析

[译] 一种用于多关系问答的可解释推理网络

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。

[译] 一种用于多关系问答的可解释推理网络

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

查看所有标签

猜你喜欢:

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

人工智能

人工智能

李开复、王咏刚 / 文化发展出版社 / 2017-5-10 / CNY 55.00

人工智能已经来了,它就在我们身边,几乎无处不在。 人工智能技术正在彻底改变人类的认知,重建人机相互协作的关系。史无前例的自动驾驶正在重构我们头脑中的出行地图和人类生活图景,今天的人工智能技术也正在翻译、写作、绘画等人文和艺术领域进行大胆的尝试。 我们真的知道什么是人工智能吗? 我们真的准备好与人工智能共同发展了吗? 我们该如何在心理上将人和机器摆在正确的位置? 我们该......一起来看看 《人工智能》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

URL 编码/解码
URL 编码/解码

URL 编码/解码

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具