論文筆記整理：譚亦鳴，東南大學博士。

---

來源：WSDM 2020

鏈接：https://link.springer.com/chapter/10.1007/978-3-030-49461-2_25

1.介紹

知識圖譜問答(KGQA)系統的目標是：基于自然語言問題，從RDF數據集中抽取對應答案。近年來許多KGQA方法被提出，取得了較好的效果，但是為一個全新的RDF數據集(KG)構建對應的QA系統依然是困難且麻煩的。其中的主要挑戰在于可移植性：即是否可能將一個QA算法輕松地用于新的/之前未測試過的數據上。

KGQA 可移植方面的兩個主要挑戰是：

a. 構建新訓練數據的高額成本

b. 現有QA模型依賴于KG-specific工具（例如實體鏈接）

在這篇工作中，作者提出了一個可移植QA系統，QAnswer KG，該方法可以在新數據集上實現QA系統的按需構建，且在領域問答方面不需用戶具備專家知識。在三個不同數據集上的實驗證明，QAnswer KG能夠在微量訓練數據的條件下，實現基于任何RDF數據集上的QA系統。

2.模型/方法

?????? QAnswer主要包含四個步驟：

a. Query Expansion: 對自然語言問題中所有可能的n-gram（從1元文法到長度等于句長的n元文法）做KG資源映射

b. Query Construction: 利用映射得到的KG資源合成所有可能的SPARQL query，作者通過資源在圖譜中的距離抽取三元組pattern，每一個query通過將包含相同元素的pattern組合得到，下圖列列舉了一些利用該方法生成的SPARQL query.

c. Query Ranking: 利用1) 對應KG資源的字符串（來自自然語言問題）長度；2) 資源標簽與對應n-gram的相似性。等兩個特征，作者構建了一個query排序方法，用于篩選步驟b中的生成得到的query。

d. Answer Decision: 最終，對于排序得到的query，評估其答案是否與問題目標（用戶意圖）一致。例如，如果給出的query是圖2中的4，可以看到。該查詢所得的答案是關于 “solarsystem？”，與原始問題“What planets belongs to the solar system”相比，其置信將會很低，并且沒有給出有效答案。而query 1則應該具備更高的置信。

??????

本工作與作者的前一工作相關性非常高，感興趣的同學建議同步閱讀：

https://hal.archives-ouvertes.fr/hal-02121400/file/QAnswer__A_prototype_for_a_Question_Answering_System_over_the_Semantic_Web-6.pdf

接著作者介紹了如何使用QAnswer KG對一個RDF數據集構建QA system，圖4給出了一個整體的過程示意。

初始化：系統為新QA system預留了空間，并且創建了目錄用以加載新數據。

索引：在數據加載后，它將被解析和索引，尤其是query擴展索引以及query構建索引。Query ranking及answer decision部分通過機器學習模型建模。

查詢(Query)：通過初始化提供的默認算法，QAnswer KG可以回答用戶基于當前數據集所提出的問題。

3.實驗

數據集：Cocktail：the dataset used as a running example in the previous ps, i.e.,

a dataset containing cocktails with their ingredients and preparation

HR：the dataset contains information about employees of a company. The information includes their skills, the spoken languages, the languages they can program and their images.

EU：dataset containing information on the European Union about their member states, their capitals and ministries

數據集的統計信息以及實驗結果如圖10所示，

作者提供了該方法的tutorial：https://qanswer.univ-stetienne.fr/docs/doc0.

以及demo：https://www.qanswer.eu/qa

?

---

?

OpenKG

開放知識圖譜（簡稱 OpenKG）旨在促進中文知識圖譜數據的開放與互聯，促進知識圖譜和語義技術的普及和廣泛應用。

點擊閱讀原文，進入 OpenKG 博客。

總結

以上是生活随笔為你收集整理的论文浅尝 - WSDM2020 | QAnswer KG: 基于RDF数据设计一个可移植问答系统的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。