登录
注册
个人信息
我的订单
我的报告豆
我的优惠券
我的笔记
我的阅读
我的收藏
我的下载
我的上传
我的订阅
在线客服
退出登录
回到首页
AI
搜索
发现报告
发现数据
发现专题
专题报告
专题百科
研选报告
定制报告
VIP
权益
发现大使
发现一下
行业研究
公司研究
宏观策略
财报
招股书
会议纪要
seedance2.0
低空经济
DeepSeek
AIGC
大模型
当前位置:首页
/
行业研究
/
报告详情
基于知识图谱的复杂问题推理问答- 史佳欣 华为云
文化传媒
2022-03-21
DataFunSummit 2022 :第二届知识图谱在线峰会PPT汇总
carry~强
知识图谱复杂问题推理问答研究总结
背景介绍
知识图谱(KB)问答
分为简单问答和复杂问答:
简单问答
:包含一个实体和一个关系,如“中国的首都是哪里?”
复杂问答
:需要多跳推理、计数、比较等技能,如“xx公司的CEO有哪些朋友?”
现有方法
:
语义解析法
:可解释但需推理过程标注数据,如SPARQL、QueryGraphProgram等。
信息检索法
:仅需问题-答案对,但能力有限且过程不可解释,如Key-Value Memory Networks等。
关键问题
:
如何构建推理过程标注数据?
领域间推理过程迁移是否可行?
无标注数据时能否自动学习推理过程?
构造推理过程数据
推理过程描述语言KoPL
:
特点:强类型语言,包含7种知识类型和27个操作(14个元素操作+13个查询操作)。
优势:注重过程、符合人类思维、操作可组合,支持多源知识(结构化/非结构化)。
大规模知识库问答数据集KQAPro
:
基于KoPL操作组合生成,包含问题、SPARQL、KoPL、候选答案和标准答案。
规模:约12万条数据,首个包含自然语言、全知识类型、多种逻辑形式的大规模数据集。
生成方式:众包模板采样+转写,确保流畅性和保持原意。
跨领域迁移
迁移目标
:将领域一推理过程标注迁移到领域二。
方法
:
骨架解析器
:使用BERT编码器+GRU解码器+注意力机制提取问题结构。
参数解析器
:使用BERT编码器+GRU解码器+KG元素编码器+相似度计算提取领域特定参数。
训练方法
:
阶段一:领域一有监督学习(骨架+参数解析器)。
阶段二:领域二强化学习(仅参数解析器,正向/负向激励)。
实验结果
:
领域一:KQAPro(Wikidata子集),训练数据12万条。
领域二:WebQSP(4737条)和CWQ(34689条)。
效果:阶段一+阶段二组合效果最佳(WebQSP 76.5,CWQ 58.7)。
隐式学习
方法
:TransferNet,自动学习推理过程无需标注。
模型:
多跳问题处理:ABCRA->BRA->CRB->CABCRA等路径。
向量矩阵乘法建模实体转移,链式乘法建模多跳转移。
注意力机制关注问题不同部分。
训练:仅对最终预测实体施加loss,自动学习推理过程。
实验结果
:
MetaQA数据集上实现100%准确率,如“xx电影的导演执导的影片中主角是谁?”。
总结
构建推理过程标注数据
:基于KoPL生成KQAPro数据集。
领域间迁移
:迁移骨架和参数解析器,分阶段训练实现跨领域应用。
隐式学习
:TransferNet自动学习推理过程,无需标注数据。
你可能感兴趣
基于时序知识图谱的问答系统 - 商超 -京东硅谷研究院
商贸零售
DataFunSummit 2022 :第二届知识图谱在线峰会PPT汇总
2022-03-21
6-3 面向可解释性的知识图谱推理研究
商贸零售
DataFunSummit2022:图机器学习峰会
2022-07-18
NGQA:个性化健康意识营养推理的营养图问答基准
商贸零售
IBM
2025-07-27
基于知识图谱的工业自动化知识发现应用及挑战 -柯基数据CEO 吴刚
商贸零售
DataFunSummit 2022 :第二届知识图谱在线峰会PPT汇总
2022-03-21
基于知识图谱的商品营销文案自动生成实践 - 李浩然 京东
商贸零售
DataFunSummit 2022 :第二届知识图谱在线峰会PPT汇总
2022-03-21