问答系统
Chevalier~
这个作者很懒,什么都没留下…
展开
-
Semantic Parsing on Freebase from Question-Answer Pairs【论文笔记】
参考:https://zhuanlan.zhihu.com/p/25759682原文:https://cs.stanford.edu/~pliang/papers/freebase-emnlp2013.pdf一 、摘要作者训练了一个可扩展到Freebase的语义解析器,由于大规模获取数据代价昂贵,作者从问答对中学习,而不是依赖于标注的逻辑形式。这种方法的主要挑战是如何缩小给定问题的大量...原创 2018-09-06 16:35:12 · 1385 阅读 · 0 评论 -
Question Answering with Subgraph Embeddings【论文笔记】
一、摘要这篇论文提出一个系统,在大范围主题的知识库中,学习使用较少的手工特征来回答问题。我们的模型学习单词和知识库组成的低维词向量。这些表示用于根据候选答案对自然语言问题打分。使用成对的问题和对应答案的结构化表示,和成对的问题释义来训练系统,在最近的文献基准中产生有竞争力的结果。 二、介绍开放域QA最先进的技术可以分为两大类,即基于信息抽取和基于语义解析。信息抽取系统首先通过查询K...原创 2018-09-12 21:03:24 · 1531 阅读 · 0 评论 -
Information Extraction over Structured Data: Question Answering with Freebase【论文笔记】
Information Extraction over Structured Data:Question Answering with Freebase 一、摘要最近,人们一直在探索使用Freebase知识库来回答自然语言问题,作为在开放域语义分析中推进最新技术发展的平台。 这些努力将问题映射到复杂的意义表示,然后尝试将其与知识库中的可行答案候选者进行匹配。 在这里...原创 2018-09-10 21:33:39 · 1033 阅读 · 0 评论 -
Question Answering over Freebase with Multi-Column Convolutional Neural Networks【论文笔记】
一、概要 通过知识库回答自然语言问题是一个重要的具有挑战性的任务。大多数目前的系统依赖于手工特征和规则。本篇论文,我们介绍了MCCNNs,从三个不同层面(答案路径,答案类型,答案上下文)来理解问题。同时,在知识库中我们共同学习实体和关系的低维词向量。问答对用于训练模型以对候选答案进行排名。我们还利用问题释义以多任务学习方式训练列网络。我们使用Freebase作为知识库,在WebQuestion...原创 2018-09-18 22:02:04 · 1532 阅读 · 0 评论 -
Semantic Parsing via Staged Query Graph Generation: Question Answering with Knowledge Base【论文笔记】
一、摘要 我们对知识库问答提出一个新颖的语义解析框架。我们定义了一个类似于知识库子图的查询图,可以直接映射为逻辑形式。语义解析被简化为查询图生成,被公式化为分阶段搜索问题。与传统方法不同,我们的方法在早期就利用知识库来修剪搜索空间,从而简化语义匹配问题。通过应用实体链指系统和深度卷积神经网络匹配问题和谓词序列,我们的系统由于之前的方法,在WebQuestion数据集上F1达到了52.5%。二...原创 2018-09-19 15:38:18 · 3650 阅读 · 2 评论 -
MEMORY NETWORKS【论文笔记】
一、摘要 我们描述了一类称为内存网络(Memory Networks)的新型学习模型。内存网络解释了与长期内存组件相结合的推理组件。他们学习如何共同使用这些。可以读取和写入长期记忆,目的是将其用于预测。我们在问答(QA)的背景下研究这些模型,其中长期记忆充当(动态)知识库,并且输出是文本回复。在大规模QA任务上进行评估,然后,通过链接多个支撑句子来回答需要理解动词内涵的问题,以此展示这些模型的...原创 2018-11-23 16:35:06 · 176 阅读 · 0 评论 -
End-To-End Memory Networks【论文笔记】
一、摘要 作者介绍了引入可能很大的外部存储器的递归注意力模型。这种架构是记忆网络的一种形式,但与之前的不同,它是可以端到端训练的。模型的灵活性使得我们能够将其应用于各种任务,如问答、语言建模。在实验中,作者介绍的多条机制提升了模型效果。二、介绍 AI研究的两个巨大挑战就是:1.搭建一个模型,可以在回答问题或完成任务的时候进行多条计算;2.在序列数据中捕捉长距离依赖关系。 最近使用显式...原创 2019-07-22 14:56:04 · 232 阅读 · 0 评论