知识补全和问答方法调研

Pipeline方法

知识补全链接预测

SQUIRE: A Sequence-to-sequence Framework for Multi-hop Knowledge Graph Reasoning

数据集知识库比较小

SMORE: KNOWLEDGE GRAPH COMPLETION AND MULTI-HOP REASONING IN MASSIVE KNOWLEDGE GRAPHS

算法SMORE适用于较大知识库

知识问答

Subgraph Retrieval Enhanced Model for Multi-hop Knowledge Base Question Answering

子图检索和推理过程是解耦的,基于embedding-based KBQA的SOTA方法。子图检索和推理过程是pipline的。

基于pipeline方法总结

1、知识补全两篇论文中只做了链接预测相关的实验,没有给出下游问答的任务

联合训练

Sequence-to-Sequence Knowledge Graph Completion and Question

KGT5算法:链接预测和问答联合训练

该算法的局限

KGT5在归纳不可见的事实方面表现较好,但在记忆事实方面表现较差。如果需要,可以使用KGT5与常规链路预测或KGQA系统的集成来缓解这个问题。

作者不建议使用KGT5作为独立的KGQA方法,只应在查询解析不能产生良好结果的情况下使用它。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注