标签(空格分隔): 自然语言处理
简介
- 在简单的神经网络上就能达到较好的效果
- 即使不用神经网络,也能达到较好的效果
相关工作
- 一开始的时候人们会把简单问句简化成一个结构化的问句
- 最近的一个数据集已经成为了知识图谱上的问答基线
- 本文并不认为人们已经充分探索了baseline
方法论
-
本文将QA问题分为四个部分:实体识别、实体链接、关系预测、证据整合
实体识别
- 只用到了双向LSTM和GRU+词向量
- 没有加CRF
- 还采用了只用CRF的方法(没有加神父学习)
实体链接
- 没有用神经网络,用模糊字符串匹配
- 用到了ngram的倒排索引
关系预测
- 将关系预测归类为分类问题
- RNN
- CNN
- logistic regression
证据整合
实验与结果
-
每部分分开做的
-
实体识别
- BILSTM 93.1
- CRF 90.2 <