知识图谱-多跳推理问答：概述【TransferNet作者】

已于 2024-02-14 22:24:37 修改
阅读量2k 收藏 14
点赞数
分类专栏： 知识图谱（Knowledge Graph） 文章标签： 知识图谱 人工智能
于 2022-11-14 17:35:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013250861/article/details/127851567
版权
本文介绍了知识图谱在复杂问答中的应用，提出了推理过程描述语言KoPL和TransferNet模型。KoPL关注推理过程，解决构造推理数据的难题，而TransferNet则能隐式学习多跳推理过程。实验表明，这些方法在复杂问题问答上表现出色。
摘要由CSDN通过智能技术生成

导读：知识图谱在现有的实际业务中存在着各种各样的应用，问答是其中一个非常重要的应用，本文主要关注如何解决基于知识图谱的复杂问题，该任务又称为推理问答。

本文的介绍会围绕下面四点展开：

  • KBQA背景介绍

  • 构造推理过程数据

  • 跨领域迁移

  • 隐式学习推理过程

一、背景介绍

1、KBQA

首先回顾下什么是知识图谱问答——KBQA。

一个给定的知识图谱，包含了许多信息，如实体、属性以及实体之间的关系。

基于一个已经构建好的知识图谱，我们希望机器能够通过知识图谱来自动回答一些问题，如上图中，提问“勒布朗·詹姆斯生日是什么时候？”，我们希望机器能够给出答案1984年12月30日。

2、简单问答和复杂问答

了解本专栏 订阅专栏 解锁全文 超级会员免费看
知识图谱-多跳推理问答-模型-2020：EmbedKGQA【第一个将KGE用于多跳推理问答任务的方法】【直接通过score=φ(q,e_h,e_a‘)从KG中选择答案实体】
u013250861的博客
08-16 1569
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。
知识图谱-多跳推理问答-模型-2021：TransferNet【把起始实体和附近的关系图输入到模型，直接使用图神经网络(GNN)预测目标实体作为回答】
u013250861的博客
08-19 513
问答(QA)在人工智能中起着核心作用，它需要机器理解自由形式的问题并通过分析来自大型语料库或结构化知识库的信息来推断答案。得益于深度学习预训练技术的发展，在简单问题上单跳问答就能取得很不错的效果。然而，多跳问答是一项具有挑战性的任务，因为它需要在每一步都与实体关系进行精确的推理来获得答案。这些关系可以用知识图谱中的标签或文本语料库中的文本来表示，现有模型通常通过预测顺序关系路径或聚合隐藏图特征来推断答案。前者难以优化，后者缺乏可解释性。常见的多跳问答有两个主流做法。
论文浅尝 | 大规模知识图谱中的知识图谱补全和多跳推理
开放知识图谱
05-26 2006
笔记整理：刘健宇，东南大学硕士，研究方向为知识图谱规则学习与推理链接：https://dl.acm.org/doi/abs/10.1145/3534678.3539405动机知识图谱(KG) 以头-关系-尾三元组的形式捕获知识，是许多人工智能系统中的重要组成部分。KG上有两个重要的推理任务：(1)单跳知识图谱补全，涉及预测 KG 中的各个链接；(2)多跳推理，其目标是预测哪些KG实体满足给定的逻辑...
虚拟专题：知识图谱 | 知识图谱多跳问答推理研究进展、挑战与展望
weixin_45585364的博客
04-18 1668
来源：《大数据》知识图谱多跳问答推理研究进展、挑战与展望杜会芳1,王昊奋1,史英慧2,王萌31同济大学设计创意学院2东南大学网络空间与安全学院3东南大学计算机科学与工程学院摘要：近年来，知识图谱问答在医疗、金融、政务等领域被广泛应用。用户不再满足于关于实体属性的单跳问答，而是更多地倾向表达复杂的多跳问答需求。为了应对上述复杂多跳问答，各种不同类型的推理方法被...
论文浅尝 | 检索增强生成中的生成-然后-验证方法用于多跳问答（ACL2024）
最新发布
2401_85375298的博客
01-09 1037
本文针对多跳问答（MHQA）任务中大型语言模型（LLMs）面临的挑战，提出了一种新颖的生成-然后-验证（GenGround）框架。该框架通过结合LLMs的参数化知识和外部文档，有效地解决了多跳问题。具体来说，GenGround框架使LLMs能够在多个迭代中交替进行两个阶段：生成阶段和验证阶段。生成阶段将复杂问题分解为更简单的单跳问题，并直接生成答案。验证阶段在检索到的文档中验证问题-答案对，修正答案中的错误预测。
一文带你入门知识图谱多跳问答
zenRRan的博客
04-17 5377
点击下面卡片，关注我呀，每天给你送来AI技术干货！作者 |蔡健宇来自 |MIRA Lab一、简介1. 什么是问答？问答 (Question Answering) 是自然语言处理 (Na...
知识图谱和 LLM：多跳问答
python123456_的博客
07-05 1239
检索增强生成（RAG）应用程序通过将外部来源的数据集成到 LLM 中，擅长回答简单的问题。但他们很难回答涉及将相关信息之间的点连接起来的多部分问题。这是因为 RAG 应用程序需要一个数据库，该数据库旨在存储数据，以便轻松找到回答这些类型问题所需的所有内容。知识图谱非常适合处理复杂的多部分问题，因为它们将数据存储为节点网络及其之间的关系。这种连接的数据结构允许 RAG 应用程序有效地从一条信息导航到另一条信息，从而访问所有相关信息。
EmbedKGQA论文简要解读
xhsun的博客
11-08 2893
KGQA与KGE 关于KGQA以及知识图谱嵌入的签简单介绍可以看之前的两篇博客： KGQA概览 知识图谱嵌入简单介绍 这篇论文就是结合知识图谱嵌入（KGE）来进行多跳知识问答 EmbedKGQA 论文源代码 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。下载链接 提供的KG 我们需要提供的KG，因为我们要预先训练KG中每一个实体的embedding。KG如下： 比如，用ComplEx这个KGE模型训练MetaQA知识图谱得到的结果： 提供的QA数据 提供的
领域知识图谱-中式菜谱知识图谱：实现知识图谱可视化和知识库智能问答系统（KBQA)
07-03
领域知识图谱-中式菜谱知识图谱：实现知识图谱可视化和知识库智能问答系统（KBQA) + 一类菜品的不同具体做法，例如水煮鱼包括麻辣水煮鱼、小清新版水煮鱼和家常版水煮鱼等； + 通过菜品与食材的关联关系，可以查询...
人工智能-知识图谱智能问答-基于知识图谱的智能问答机器人项目源码
10-28
人工智能-知识图谱智能问答-基于知识图谱的智能问答机器人项目源码人工智能-知识图谱智能问答-基于知识图谱的智能问答机器人项目源码人工智能-知识图谱智能问答-基于知识图谱的智能问答机器人项目源码人工智能-知识...
KG-LLM：加强知识图谱多跳推理，复杂问题推理问答
Debroon
08-08 1319
在知识图谱分析中，准确预测多个连接点之间的联系是一项颇具挑战性的任务，这要求模型能够理解并推理出所有中间的联系。本文提出了一种创新的框架——知识图谱大型语言模型（KG-LLM），它通过运用大模型来处理知识图谱的相关任务。我们先将知识图谱的结构化数据转化成自然语言形式，再利用这些自然语言的提示对大型语言模型进行微调，以提升在知识图谱中进行多跳链接预测的能力。这种将知识图谱转化为自然语言的设计，使我们的框架能够深入学习实体及其相互关系的内在表示。
知识图谱 问答系统
03-27
肖仰华-大规模概念图谱构建与应用 北大 Question Answering Over Knowledge Graph 腾讯-大规模知识图谱的构建与应用-苏州大学 KG Refinement by Knowledge Intensive Crowdsourcing 面向智能问答的知识获取 陈虹-知识图谱及其变种在行业实践中的应用与思考-ZTE中兴
基于知识图谱的问答
03-20
这是一份关于基于知识图谱的问答顶级会议，包含LSTM，交叉注意力机制
基于知识图谱的问答系统
11-09
细致介绍了一种基于知识图谱的问答系统，构建了一个推理模型，在建模问题回答过程中是十分有效的。
【知识图谱系列】知识图谱多跳推理之强化学习
【AI机器学习与知识图谱】的博客
05-21 4675
作者：CHEONG 公众号：AI机器学习与知识图谱 研究方向：自然语言处理与知识图谱 本文分享一篇将强化学习应用在知识图谱多跳推理任务的汇报ppt，简要概述基本概念并推荐几篇近期的优秀论文，介绍其核心思想，完整汇报ppt获取请关注公众号回复关键字：知识图谱强化学习 一、背景知识 1、知识图谱：知识图谱是异质图Heterogeneous Graph，图中含有多种关系类型，一组事实（head entity, relation, tail entity）就代表图中的一个三元组； 2、知识图谱推理：..
知识图谱入门 (九) 知识问答
热门推荐
pelhans的博客
04-28 1万+
欢迎大家关注我的博客 http://pelhans.com/ ，所有文章都会第一时间发布在那里哦~ 本节对知识问答的概念做一个概述并介绍KBQA实现过程中存在的挑战，而后对知识问答主流方法做一个介绍。 知识问答简介 问答系统的历史如下图所示： 可以看出，整体进程由基于模板到信息检索到基于知识库的问答。基于信息检索的问答算法是基于关键词匹配+信息抽取、浅层语义分析。基于社区的问答...
【知识图谱论文】多跳推理真的可以解释吗？ 走向基准推理可解释性
qq_43058281的博客
10-26 2363
可解释知识图谱
【论文精读】基于知识图谱关系路径的多跳智能问答模型研究
null18的博客
03-05 2192
论文题目：基于知识图谱关系路径的多跳智能问答模型研究作者信息：张元鸣，姬琦，徐雪松，程振波，肖刚（浙江工业大学计算机科学与技术学院，浙江杭州 310023）原文地址多跳问题是一类通过知识推理才能给出答案的复杂问题，往往需要相关的多项关联知识融合生成最终答案.现有基于知识图谱的多跳智能问答方法推理过程比较复杂，没有考虑关系路径蕴含的结构信息和语义信息.为此，本文提出了基于知识图谱关系路径的多跳智能问答模型，*将多跳智能问答问题转换为在低维向量空间中查找知识图谱中最优关系路径的问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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