论文阅读:Beyond I.I.D.: Three Levels of Generalization for QuestionAnswering on Knowledge Bases

这一篇实际上叫GrailQA,作者是俄亥俄州立大学的Yu Gu.

一、复现说明

我对这篇文章尝试过复现，但是复现情况不理想，主要原因在于Freebase数据集下载下来后发现是个.db的文件，而且暂未能入库virtuoso，所以绷住了。不过数据集已经下来并成功存到阿里云盘了（是Yu Gu自己改造过的那份Freebase 50G的，官网的Freebase今天下结果下到23G网站好像崩了，打开页面也打不开）想要的话可以邮箱私信1317738619@qq.com，包括那几个小的几百MB的数据集，不过那几个应该大家都能下下来。

二、论文阅读

①介绍。

该文章做了很多定义性的工作，I.I.D. Generalization（泛化），Compositional Generalization（组合泛化），Zero-Shot Generalization（零命中泛化）。这三个做了定义，并创造了一个叫GRAILQA的有64331个众包问题，四种关系和函数，如计数、比较和最高级的在2021/2022年左右来讲最大的KBQA复杂问题数据集。该问题数据集基于FREEBASE COMMONS部分做的。

其次是对模型进行优化，使用预先训练的语言模型（例如BERT）增强了泛化能力。相比之前进步了3.5%。在预训练对泛化的帮助上证明了有很大的提高作用。并且可以彻底检查KBQA中的几个挑战，search space pruning and languageontology alignment（搜索空间修剪和语言本体对齐）。

②知识背景（定义）。