PAROT: Translating natural language to SPARQL（PAROT：将自然语言翻译成SPARQL）--02

最新推荐文章于 2023-11-11 17:57:25 发布

「已注销」

最新推荐文章于 2023-11-11 17:57:25 发布

阅读量363

点赞数 1

分类专栏：读后感文章标签：人工智能

本文链接：https://blog.csdn.net/weixin_45799003/article/details/110312737

版权

本文介绍了多个将自然语言转换为SPARQL查询的系统，如AquaLog、CASIA@12、DEANNA、Querix、PANTO、AutoSPARQL、SPARK和WDAqua等。这些系统利用不同的方法，如ILP、模式匹配和机器学习。同时，提到了将NL转换为SQL的研究，包括使用双向LSTM的方案，以及神经网络方法面临的挑战，如新词汇处理问题。

摘要由CSDN通过智能技术生成

Author：Peter Ochieng--（这个是作者，我写个读后感而已！）

2.文献综述
下面介绍将NL转换为SPARQL以及将NL转换为SQL的ART应用：
（1）AquaLog：语义网的本体独立问答系统。它由一个语言组件组成，用于映射用户查询到查询三元组，这些查询三元组被进一步处理成符合本体的三元组，然后导出答案，它不包含处理标量形容词、编号列表和复合组件。
（2）CASIA@12：是一个关于链接数据（linked data）的问答系统，不处理标量形容词、否定、编号列表和复合句。
（3）DEANNA：还将NL中的问题转换为结构化查询，使用整数线性规划(ILP)来解决术语对语义项的消歧。
（4）Querix：一种模式匹配本体独立的自然语言接口(NLI)。
（5）PANTO：利用Stanford解析器从用户提交的查询生成解析树，然后在解析树中提取名词（nominal phrases）短语成分。
（6）AutoSPARQL：使用监督的机器学习来生成基于正（positive）的SPARQL查询。
（7）SPARK：将NL关键字处理成SPARQL的一种工具，它的输出是SPARQL查询的排序列表，其关键步骤包括：术语映射、查询图的构造和查询排名。
（8）WDAqua：通过使用基于规则的组合方法从自然语言生成SPARQL查询，并在底层知识库中生成利用