本文探讨了将知识转化为文本以增强常识问答的论文，发表于AAAI 2021。研究发现，将知识图谱转换为文本形式能有效提升问答系统的性能。模型包括知识检索、文本转换和阅读理解任务。实验表明，该方法在多种预训练模型上提高了CQA的准确性，接近人类表现。论文提出，MRC任务比常识问答简单，且文本建模可能优于图建模。
笔记整理：陈卓，浙江大学在读博士，主要研究方向为低资源学习和知识图谱
论文链接：https://www.aaai.org/AAAI21Papers/AAAI-10252.BianN.pdf
发表会议：AAAI 2021
动机
文章提出了对于未来CQA(Commonsense QA)问题的三个见解，首先其对于文本应该是比较敏感的，需要对于不同的知识选择不同的文本，然后要能够利用上异构的知识信息，同时它要使用到具有丰富常识知识的语言模型。此外，本文提出了3个未来的发展方向，然后在文章里提出了4个见解和挑战：
1.基于GNN的网络，很难把这些所有的有效的外部知识给利用上。2.这些外部知识应该用一种比较简单的方法注入到不同的模型里面，并且这种方法不应该是一些模型特定的方法，所以作者就后面提出了把知识转化成文本的形式。3.知识主要是三元组的形式存在，但是问题和答案是文本的形式，这存在一种模式上的一个gap。4.一个知识库里面有很多个这样的三元组，但是往往只有数个是跟某一个问题相关，这是一种稀疏性问题。
最低0.47元/天 解锁文章
196
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
