自然语言处理（六）：基于知识图谱问答的关系检测网络改进

论文名称：Improved Neural Relation Detection for Knowledge Base Question Answering
论文地址:https://arxiv.org/pdf/1704.06194.pdf

一、论文背景

首先我们需要知道什么是知识图谱。如下图所示，知识图谱元素由主语、谓语(也称为“关系”）和宾语构成，利用三元组(subject,predicate,object)存储每个关系。

如下图，(姚明，出生地，上海）和(姚明，国籍，中国）都是三元组，显然这两个元祖的主语相同。绘图可以直观显示不同元祖之间的关系，所以由这些关系绘制的图也被称为知识图谱。

那什么是基于知识图谱的问答呢？当我们问姚明配偶是谁时，很显然我们可以从图中看出是叶莉，即当我们知道subject（主语）和predicate（谓语）时，就可以从三元组(subject,predicate,object)中得知object（宾语）。我们从一个问题中提取出主语和谓语，再与图中的三元组匹配，得出宾语（即问题的答案），就是基于知识图谱的问答。

二、回答问题的方法

1.句子预处理

我们需要识别句子的mention（提及检测，即检测提取句子包含主语的部分），以句子“姚明配偶是谁”为例，该句子mention为姚明，所以我们将姚明提取出来（提取可以使用bio算法，该算法使用lstm，在句子输入过程中对单词进行标注）。提取出mention后，我们用< e >替换句子中原mention，则原句子变为“< e >配偶是谁”。此时我们拥有两项数据，“姚明”和“< e >配偶是谁”。

2.不同数据的任务

因为“姚明”可能存在同名的现象（即知识图谱中有另外一个“姚明”），所以mention“姚明”用于识别主语而不是直接就是主语了。“< e >配偶是谁”用于识别关系，句子中为“配偶”。

3.识别方式

利用mention“姚明”提取出知识图谱中长相比较相似的前n个主语（利用最长字符串匹配，再考虑两个主语长度的方法），比如“姚明”、“李姚明”、“何姚明”等，再计算mention与这n个主语的相似度（此时使用神经网络），相似度得分别为A1、A2、A3…An。
第一个主语可能有m个关系，计算“< e >配偶是谁”和这m个关系的相似度得分B1、B2、B3…Bm，计算得出最大综合得分： f 1 max ⁡ = max ⁡ h ∈ { 1 , 2.. m } { k ∗ A 1 + ( 1 − k ) ∗ B h } {f_{1\max }} = \mathop {\max }\limits_{h \in \{ 1,2..m\} } \{ k * {A_1} + (1 - k) * {B_h}\} f1max​=h∈{1,2..m}max​{k∗A1​+(1−k)∗Bh​}第2到n个主语也进行同样的操作，则我们有${\mathrm{f}}_{1\max }$、${\mathrm{f}}_{2\max }$…${\mathrm{f}}_{n\max }$。我们再对这n个值取最大值，即: f max ⁡ = m a x max ⁡ z ∈ { 1 , 2.. n } { f z } {f_{\max }} = max\mathop {\max }\limits_{z \in \{ 1,2..n\} } \left\{ {{f_z}} \right\} fmax​=maxz∈{1,2..n}max​{fz​}
经过两轮最大求解，我们已经有了$f_{\max }$和其对应的h和z（h对应关系，z对应主语）。通过主语和关系，我们可以得出宾语，即得出问题的答案。

三、关系连接网络结构

本篇论文主要对识别关系的网络进行了改进。如下图所示，左边输入的是question（如上文中的“< e >配偶是谁”），右边输入的是候选的Relation（比如“姚明”有“出生地”、“国籍”和“配偶”关系）。

question输入Bi-LSTM(双向长短期神经网络），Bi-LSTM相对于单向LSTM，能够提取文本的逆向信息，比如我们不仅能t提取“我爱你”的“爱”的信息（此时“爱”作用对象为“你”，为正向），还能提取“你，我爱”的“爱”的信息（此时“爱”作用于“你”，为逆向）。利用双层双向LSTM，在增加信息提取能力的同时，会有令某一层参数接近0的可能性，所以论文加入了残差进行连接形成HR-BiLSTM（带残差的双向神经网络）。最后池化形成单一向量Q1。
对于relation的输入，论文形成两个，一个是带有总体信息的relation级别的embedding，一个是单词级别的embedding。通过两级输入，论文不仅考虑了总体信息，而且还考虑了局部信息。最后池化形成单一向量Q2。
对Q1和Q2进行余弦相似度计算。如果为正确关系，我们令label为1（否则为0），与该余弦相似度相减作为loss，即可更新参数。论文中采用了另外一种方法，如下图所示（虽然表达方法不同，但是原理是相似的）。其中，$srel(r+;q)$代表正确关系的loss，$srel(r-;q)$代表错误关系的loss，$\gamma$为我们人为设定的参数。

结论：论文使用HR-BiLSTM让question的信息提取更细粒度和高效化；同时考虑relation整体和局部信息，更为全面。