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”