10 知识问答(下)

语义解析

Logic Form 可以视为图模板Graph Template

Alignment：

文本短语

KB Predicates

从短语到KB Predicates的匹配

Bridging操作——链接两个Unaries/Event Modifiers

通过Composition产生候选Logic Form(Derivation)

训练模型来估计给定问句生成的一个逻辑表达式的概率

WebQuestions:通过Web获得更多问题——breadth-first search over Google Suggest graph

KB不完整问题——使用Paraphrasing来解决：根据问题通过一定的策略扩展生成Logic Form，再通过paraphrase model计算两者间的相似度分数，最后判断选哪个Logic Form

Association model关联模型

Vector space model向量空间模型

Building a Semantic Parser Overnight

KBQA与深度学习结合的两个方向：

1、利用深度学习对于传统问答方法进行改进

2、基于深度学习的End2End模型

Semantic Parsing via Staged Query Graph Generation：

topic entity->core inferential chain->Constraints & Aggregations

采用CNN对候选路径进行打分

Argument Constraints

图遍历QA

 

IBM Watson

deep QA + AdaptWatson ->a ranked list

Understanding questions

Answe and evidence sources(结构化程度高的->结构化程度低的)

Discovering candidate ansewers

Right type

Collecting and scoring evidence

Massive parallelism,scale-out,and speed

 

Ingest->Learn->Test->Experience

 

基于ES的知识问答Demo

解析自然语言查询->生成logical form->生成ES查询->执行

            </div>