Convolutional Neural Network-based Question Answering over Knowledge Base with Type Constraint读书笔记

主要贡献为加入了type constraint提高QA的准确率

将QA分为两个步骤：Relation Detection和Answer Type Prediction

Relation Detection

假设问题只有一个topic  entity，通过WEBQSP数据集直接得到每个问题的topic entity

然后将所有从topic entity出发的两跳以内的关系作为候选关系

将候选关系的词序列经过word harshing， CNN和pooling得到表征；

同样对问题（将topic entity替换为特殊符号<e>，并在首尾加入特殊符号<s>）经过word harshing， CNN和pooling得到表征

计算余弦相似度，选取最高分作为选择的关系。

Answer Type Prediction

从topic entity出发，符合上一步选出关系的所有实体的type（common.topic.notable_types）作为候选type，将问题和type拼接形成新的词序列，过word harshing，CNN和pooling，最后输出分类概率（是不是合理的type）