Large Language Models Meet Knowledge Graphs to Answer Factoid Questions
最近,有研究表明,将结构化知识整合到大型语言模型中可以显著提高各种NLP任务的结果。在本文中,我们提出了一种方法来探索预训练的文本到文本语言模型,该模型丰富了来自知识图谱的附加信息,用于回答事实性问题。更具体地说,我们提出了一种基于问题实体和候选答案的知识图谱子图提取算法。然后,我们通过提取的子图的线性化,使用基于transformer的模型获得易于解释的信息。使用提取的信息对候选答案进行最终重新排序,可将预训练的文本到文本语言模型的Hits@1分数提高4 - 6%。
复制链接