摘要

知识库问答（KBQA）旨在通过大规模知识库（KBs）回答自然语言问题，可以概括为两个关键步骤：知识检索和语义解析。然而，仍存在三个核心挑战：知识检索效率低下、检索错误对语义解析的负面影响以及现有KBQA方法的复杂性。为了应对这些挑战，我们提出了ChatKBQA，这是一种新颖且简单的生成-检索KBQA框架。该框架首先利用微调后的大型语言模型（LLMs）生成逻辑形式，然后通过无监督的检索方法检索并替换实体和关系，从而更直接地改进生成和检索过程。实验结果表明，ChatKBQA在标准的KBQA数据集WebQSP和CWQ上达到了新的最先进性能。这项工作也可以被视为一种新的范式，即将大型语言模型（LLMs）与知识图谱（KGs）结合用于可解释性和需要知识的问题回答。我们的代码已公开可用。