3 个月前

基于查询结构预测的正式查询构建用于知识库上的复杂问题回答

基于查询结构预测的正式查询构建用于知识库上的复杂问题回答

摘要

形式化查询构建是知识库上复杂问答任务中的关键环节,其目标是为自然语言问题生成正确且可执行的查询。近年来的方法通常采用状态转移策略生成候选查询,并通过排序机制筛选最优结果。然而,这种候选生成策略忽视了查询本身的结构信息,导致生成大量噪声查询。针对这一问题,本文提出一种新的形式化查询构建方法,包含两个阶段。在第一阶段,我们首先预测问题对应的查询结构,并利用该结构对候选查询的生成过程进行约束。为此,我们设计了一种新颖的图生成框架以完成结构预测任务,并引入编码器-解码器模型,在每一步生成过程中预测预设操作的参数。在第二阶段,我们沿用现有方法对生成的候选查询进行排序。实验结果表明,所提方法在复杂问题上的表现优于现有方法,同时在简单问题上仍保持较强的竞争力。

代码仓库

bahuia/aqgnet
官方
pytorch

基准测试

基准方法指标
knowledge-base-question-answering-on-lc-quadAQGNet (oracle entity used)
F1: 74.8

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于查询结构预测的正式查询构建用于知识库上的复杂问题回答 | 论文 | HyperAI超神经