©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
论文标题:
Open Domain Question Answering based on Text Enhanced Knowledge Graph with Hyperedge Infusion
论文链接:
https://www.aclweb.org/anthology/2020.findings-emnlp.133
摘要
知识库的不完整性是限制知识库问答系统表现的关键因素。在知识库外部,文本拥有比知识库更丰富的信息,可用于弥补知识库的不完整性,但同时文本对于计算机更难理解。
该文提出一种利用文本来增强知识库的新的 QA 方法,模型通过文本中蕴含的语义信息来丰富实体表示,并利用图卷积网络来更新实体状态。
另外,为了探索文本的潜在结构信息,作者将文本视为连接实体的超边,来补充知识库中不完整的关系。超图卷积网络被用于超图形式的文本上的推理。在 WebQuestionSP 基准测试上的实验证明了该模型在不同 KB 上的有效性。
介绍
开放域问答是尝试回答给定自然语言的事实型问题的任务。根据利用的信息源,QA 系统可以分为基于知识的(KBQA)和基于文本的(TBQA)。KBQA 通过结构化的知识库获取答案,易于查询和推理,但是受限于知识库中三元组的不完整性。
TBQA 的信息源是普通文本,包含丰富的语义和潜在的结构信息。但是,对于机器来讲是难以理解的。这种互补的性质启发研究者融合这两种信息,增强不完整的知识库,并进一步提升问答系统的表现。
作者认为当前融合知识库和文本的工作,即使取得了一定表现,文本信息仍然没有被充分利用,特别是文本中实体间的关系信息。图 1 展示了当 KB 不完整时回答问题的一个例子。通过利用文本的结构信息,该问题可以被充分回答。
该文主要介绍了一个新颖的 QA 模型,它基于文本增强的知识图谱,通过文本的语义信息来丰富实体表示,并通过文本中的结构信息补充知识库中的关系。具体来说,模型首先结合文本信息,编码知识库中的实体,并应用图卷积网络在 KB 上进行推理。
注意,一个文档通常包含多个实体,作者利用文本中连接实体的超边,将非结构化的文本转换为结构化的超图,并使用超图卷积神经网络来更新实体状态。最终,模型预测答案。
模型
2.1 任务定义
作者遵循 Sun 等人 [1] 的设定,为每个问题构建一个子图。给定一个问题,相关的子知识库通过 Personlized PageRank 算法抽取,相关的文本语料库通过现有的检索器 [2] 从维基百科中获取。任务要求从所有的知识库和文档实体中提取答案。模型的概览如图 2 所示。
即如何查找知识库的子图,以及从维基百科中检索相关文档,并非本文的重点。
2.2 输入编码器
输入编码器包含对查询、文本和 KB 的编码。
查询和文本编码器:双向 LSTM 网络被用于分别编码查询和文档,并获取隐藏状态。然后,通过注意力机制计算查询和文档的表示。
KB 编码器:每个实体通过预训练的知识图谱嵌入