筆記整理 |?譚亦鳴，東南大學博士生

---

來源：EACL’21

鏈接：https://www.aclweb.org/anthology/2021.eacl-main.35.pdf

概述與動機

本文提出了一種基于遞歸超圖的知識圖譜問答方法RecHyperNet，作者認為人回答問題時傾向于在推理過程中遞歸地對獲取的不同知識（object）隨時進行歸類（grouping），而超圖（hypergraph）則可以作為一個關系歸類建模的工具。在現有的問答方法里，對于給定知識庫的遞歸關系歸類并沒有被明確的作為問答過程的一環，因此為了驗證這種貼近于人類思維的方式是否能夠為自動問答帶來收益，作者提出了上述方法（Recursive Hypergraph Network），并在MateQA和WebQuestionSP的兩個數據集上驗證了該方法的有效性。

超圖的定義

作者通過以下兩個定義描述超圖：

首先，作者定義了??深冪集：對于一個集合??，它的初始冪集為??，其冪集迭代??次（冪集的冪集...??次）為??

接著是對??-迭代超圖的定義，即超圖H包含V（節點集合）以及E（迭代的超邊集合），超邊可以理解為由超圖中的冪集的節點所定義的邊。（其實我對超圖和超邊也不是很了解，這里引用一下他人的理解^[1]）

在圖結構上，一般的邊由兩個節點所定義，而超邊則可以由三個或更多的節點所定義，例如下圖就是一個每條邊包含三個節點的三階超圖：

通過對獲取圖譜中的冪集，形成超邊，作者可以將圖譜中經過相同頭實體和關系的尾實體表示在一條超邊上，反之亦然，也就形成了grouping的效果，我是這樣理解的。

實際效果上，作者舉了個例子：

存在以下三元組：

盜夢空間，明星，Leonardo

盜夢空間，明星，Ellen

盜夢空間，明星，Tom

對應的超邊：

(盜夢空間，明星)，(Leonardo,Ellen,Tom)

方法

基于超圖，作者提出了RecHyperNet模型，包含三個主要部分：

1.KB embedding：

對圖譜實體的初始化表示學習，這里直接是使用了TransE和ComplEX

2.Topic and Question embedding

通過使用LSTM/RoBERTa對問題進行表示學習，問題中的Topic實體則使用了一個在KB上的multi-relational 圖卷積網絡CompGCN來表示,該模型中，實體的更新通過以下公式2實現：

其中，N(v)表示實體v的一跳鄰居（的關系和尾實體pair），f是個非線性激活函數ReLU，x與z分別表示實體和關系的初始特征向量。

這里作者的關鍵性改進就是將激活函數f中的一階實體關系特征改變為超邊特征，即將一條邊一個一跳鄰居的模式變為一堆具有同頭實體與關系的三元組構成的（最大）超邊。

3.Answer select

給定一個KB embedding打分函數以及一組候選答案，使用該函數對答案與問題及主題的相關性做量化評價：

實驗與結果

截至目前，該結果已經不是MateQA和WebQSP上的sota，但是其結果體現出了hypergraph這一新的特征表示形式所帶來的收益，這一點則相對更有價值。

References

[1] 他人的理解: https://blog.csdn.net/m0_37683327/article/details/91048782

?

---

?

OpenKG

OpenKG（中文開放知識圖譜）旨在推動以中文為核心的知識圖譜數據的開放、互聯及眾包，并促進知識圖譜算法、工具及平臺的開源開放。

點擊閱讀原文，進入 OpenKG 網站。

總結

以上是生活随笔為你收集整理的论文浅尝 | 一种基于递归超图的知识图谱问答方法的全部內容，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。