<del id="raj44"><thead id="raj44"></thead></del>
          1. <var id="raj44"></var>

              怎么利用知識圖譜構建智能問答系統?

              日期: 2018-12-10 09:36:00 / 人氣: 3170

              知識庫問答要解決的問題是計算機能夠利用知識庫中的知識對人們輸入的自然語言問句給出答案,例如:“奧巴馬的夫人是誰?”->“米歇爾.拉沃恩.奧巴馬”。

              具體方法可以參考論文中是如何實現的:

              目前學術界采用的方法大致可以分成三大類:

              基于信息提?。↖nformation Extraction)的方法,這種方法先利用問句信息結合知識庫資源獲取候選答案,然后再從候選答案中甄別得到最佳答案 Yao Xuchen, Benjamin Van Durme. Information extraction over structured data: Question answering with freebase.


              基于語義解析(Semantic Parsing)的方法,該方法關鍵在于將自然語言問句解析成一種表達問句語義的邏輯形式(Logical Form),再基于這種結構化的表達從知識庫中尋找答案 Jonathan Berant, Andrew Chou, Roy Frostig, Percy Liang. Semantic Parsing on Freebase from Question-Answer Pairs;Jonathan Berant, Percy Liang. Semantic parsing via paraphrasing(有開源工具)


              基于向量空間建模(Vector Space Modeling)的方法,與前兩種方法需要人工設計規則、提取特征不同,這種方法使用向量空間描述自然語言問句以及知識庫中的實體和關系,利用收集的問題-答案對進行各向量表征的自動訓練,通過比較問句和備選答案在向量空間中的距離實現對于輸入問題的回答 Antoine Bordes, Jason Weston, Nicolas Usunier. Open question answering with weakly su-pervised embedding models


              也可以按照輸入問題的復雜度分成:

              簡單問句(factoid question answering):這種問題只需要一個三元組就能搞定,比較基礎的通過LR的方法: Antoine Bordes, Jason Weston, Nicolas Usunier. Open question answering with weakly su-pervised embedding models;或者結合CNN、RNN神經網絡的方法:Character-Level Question Answering with Attention

              復雜問句:需要多個三元組,有時需要進一步的推理或者做一些計算?;卮疬@類問題目前采用上面基于語義解析一類的方法效果較好。貼個微軟目前比較新的工作 Wen-tau Yih, Ming-Wei Chang, Xiaodong He, and Jianfeng Gao. 2015. Semantic parsing via staged query graph generation: Question answering with knowledge base.

              以上的論文中的系統均利用Freebase知識庫來回答問題。


              原文轉載自: www.zhihu.com/question/30789770/answer/116138035


              盈彩网