论文浅尝 | 利用问题生成提升知识图谱问答

最新推荐文章于 2025-06-28 17:12:28 发布

开放知识图谱

最新推荐文章于 2025-06-28 17:12:28 发布

阅读量1.7k

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.csdn.net/TgqDT3gGaMdkHasLZv/article/details/102927150

论文提出一种使用问题生成提升知识图谱问答模型性能的方法，通过联合问答（QA）和问题生成（QG）的对偶学习策略。在问答模型面对未见过的谓词时，利用QG生成的问题对模型进行微调，提高关系识别的准确性。实验结果显示，模型在处理未知谓词时表现出色。

论文笔记整理：谭亦鸣，东南大学博士生，研究方向为知识库问答。

640?wx_fmt=png

来源：NLPCC2019

链接：http://tcci.ccf.org.cn/conference/2019/papers/183.pdf

本文提出了一种利用问题生成提升知识图谱问答模型性能的方法（一个框架），动机主要有两个，其一是问答模型训练基于大量有标注问答数据集（人工成本高，且规模有限），其二是当问答模型面对训练过程中没见过的谓词（predicate）时，性能将会受到严重影响。因此作者提出基于现有知识图谱和文本语料，联合问答（QA）和问题生成（QG），将问题生成的结果用于问答模型的微调（fine-tune）中。

方法

1. 联合策略

作者提出使用对偶学习（dual-learning）联合QA和QG模型，训练的目标符合以下约束，其中 θ_qg 表示训练得到的 QG 模型，θ_qa 表示 QA 模型，QG 模型对于给定答案 a 生成的问题 q 需要对应 QA 模型对于问题 q 给出的答案 a：