Modeling Semantics with Gated Graph Neural Networks for Knowledge Base Question Answering读书笔记

通过GGNN对semantic graph进行打分

框架

1.semantic graph的生成

    识别问句中的entity（S-MART工具），再通过定义的个action生成所有可能的查询图

2.semantic graph打分

    通过GGNN，经过多次领域信息融合，最终将question node的表征通过非线性变换得到查询图的表征，与问题表征计算余弦相似度

3.训练

    能得到正确答案的semantic graph作为正例，不能的作为负例，利用margin loss进行训练

 

模型：

对question建模使用CNN+pooling

对semantic graph建模使用GGNN

每个结点和边的初始表征根据词向量得到，先对词向量求和再过非线性变换。