一、概述
1、动机
在多跳KGQA中,系统需要对KG的多个边缘执行推理以推断出正确的答案。 KG通常不完整,这给KGQA系统带来了额外的挑战,尤其是在多跳KGQA的情况下。最近的方法已使用外部文本语料库来处理KG稀疏性。而本文期望通过利用KG embedding的链接预测属性,不依赖外部数据解决KG不完整问题。
2、贡献
提出了EmbedKGQA,一种用于多跳KGQA任务的新方法。EmbedKGQA是第一个将KG嵌入用于此任务的方法。EmbedKGQA在执行稀疏KG上的多跳KGQA方面特别有效。
EmbedKGQA放宽了从预先指定的本地邻居选择答案的要求,这是先前方法中不受欢迎的一个约束。
通过在多个现实世界数据集上进行的广泛实验,证明了EmbedKGQA取得了STOA的效果。
二、数据集:MetaQA数据
实验数据集是MetaQA数据集,该数据集是基于电影知识图谱的电影问答。MetaQA数据集下载
数据集MetaQA:一个是电影领域中包含超过40万个问题的大规模多跳KGQA。
1、数据01:知识图谱
预训练知识图谱中实体、关系的Embedding