论文略读 | Question Answering on Knowledge Bases and Text using Universal Schema and Memory Networks

文章创新点:
使用文本和KB组合的通用模式,结合记忆网络来完成问答
提出模型
UNISCHEMA
提出原因:
知识库问答会受到不完整性的影响,文本虽然包含大量事实,但是存在非结构化文本,将KB和文本事实投影到R2d空间提供了对推理知识的统一视图。
网络构成:
和key-value Memory类似(关于key-valueMemory可参考呜呜哈,膜拜),编码部分用的Bi-LSTM+attention,解码用的LSTM。(s,r,o)∈K表示KB三元组,其中Key通过连接主体实体s和关系r的嵌入,对象实体o的嵌入被视为value。
文章来源:
2017ACL

参考:
今天看到谭亦鸣博士的这篇整理,实验结果及数据集更全面一些。
—来源“OpenKG.CN

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值