Open Domain Question Answering Using Early Fusion of Knowledge Bases and Text读书笔记

本文考虑如何同时利用Knowledge Graph和text来回答问题。主要思想是构建问题子图（包含KG和text），然后利用图表示学习方法，选出答案。

 

问题子图构建：

    KB查询：在question中做entity linking得到seed entities，然后利用Personalized PageRank寻找周围可能的实体。边权重由边类型决定，边类型的权重由边的word embedding平均和问题的表征进行相似度计算得到。

 

    Text查询：用DrQA系统在Wikipedia中找到5篇最相关的文档（利用加权bag-of-words）;然后利用Lucene index对句子排序，选出前D个句子

 

    对Text查询出的句子做entity linking与KB子图连接，形成整个问题子图

 

然后利用图表示学习网络，针对实体结点和句子结点分别定义表示和更新方式，更新过程加入question信息，最终选择答案结点。