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)

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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