ACL 2020 | 知识库问答的多跳复杂问题查询图生成

©PaperWeekly 原创 · 作者｜舒意恒

学校｜南京大学硕士生

研究方向｜知识图谱

先前从知识库回答复杂问题的工作通常分别解决两种类型的复杂性：具有约束的问题和具有多跳关系的问题。

在本文中，作者同时处理两种类型的复杂性。通过观察发现，尽早将约束条件纳入查询图可以更有效地减少搜索空间，作者提出了一种改进的分阶段查询图生成方法，该方法具有更灵活的生成查询图的方式。该文实验清楚地表明，其方法在三个基准 KBQA 数据集上达到了最先进的水平。

论文标题：Query Graph Generation for Answering Multi-hop Complex Questions from Knowledge Base

论文来源：ACL 2020

论文链接：https://www.aclweb.org/anthology/2020.acl-main.91.pdf

介绍

知识库问答尝试根据知识库回答事实类问题。它最近吸引了很多研究者的关注。知识库问答的早期研究，关注于只包含一个关系的简单问题。但是，真实的问题通常更加复杂，因此最近的研究关注于复杂的知识库文档。

当前有两种类型的复杂性被研究。

第一，带有约束的单关系问题。例如一个问题，谁是第 1 任美国总统？其中有一个简单的关系是，某个国家的总统。但也有一个约束，也就是第一个这个条件需要被满足。针对这种问题，分阶段的查询图生成方法已经被提出。它首先识别一条关系路径，然后将约束添加进去，生成一个查询图。

第二，有多跳关系的问题。例如一个问题，谁是 Facebook 创始者的妻子？这个答案与 Facebook 之间有两条关系。一个是创始者，另一个是妻子。为了回答这些问题，我们需要考虑更长的关系路径来获得正确的答案。

最主要的挑战是如何限制搜索空间，也就是减少要考虑的多跳关系路径的数量，因为搜索空间随着关系路径的长度，指数级的增长。一种解决方案是使用波束搜索。然而作者认为，几乎没有工作能够同时处理这两种复杂性。

在该文中，作者尝试同时处理两种复杂性，提出了修改分阶段的查询图生成方法以支持更长的关系路径。然而。相比在构建关系路径之后添加约束。作者尝试将添加约束和扩展关系路径同时进行。这使得算法能更有效的减少搜索空间。

方法

2.1 预备

作者的方法很大程度上受启发于现有的分阶段查询图生成方法。一个查询图有 4 种类型的节点，实体（知识库中已有的实体），存在变量（未确定的实体），lambda 变量（未确定的实体，表示答案）和聚合函数（针对实体集合的处理）。一个查询图应该恰好有一个 lambda 变量，0 个或若干个存在变量和聚合函数。

作者将分阶段查询图生成方法总结如下。

第一，从一个问题中的实体开始，找到核心的关系路径，将主题实体和一个 lambda 变量连接。

第二，在第 1 步的基础上，从一个核心关系路径，连接一个或多个在问题中找到的约束。一个约束包含一个实体加关系或一个聚合函数加关系。

第三。在前 2 步的基础上。通过与问题的相似度，对查询图进行排序。这通常是由神经网络完成的，例如 CNN。

第四，执行排序最高的查询图，来获得答案实体。

2.2 动机