KBQA前沿技术
文章目录
-
- KBQA面临的挑战
- 基于模板的方法
- 基于语义解析的方法
- 基于深度学习的传统问答
- 基于深度学习的端到端问答模型
KBQA面临的挑战
目前还存在两个很大的困难阻碍着KBQA系统被广泛应用。一个困难是现有的自然语言理解技术在处理自然语言的歧义性和复杂性方面还显得比较薄弱。例如，有时候一句话系统可以理解，但是换一个说法就不能理解了。另一个困难是此类系统需要大量的领域知识来理解自然语言问题，而这些一般都需要人工输入。一些系统需要开发一个专用于一个领域的基于句法或者语义的语法分析器。许多系统都引入了一个用户词典或者映射规则，用来将用户的词汇或说法映射到系统本体的词汇表或逻辑表达式中。通常还需要定义一个世界模型(World Model),来指定词典或本体中词汇的上下位关系和关系参数类型的限制。这些工作都是非常消耗人力的。以下围绕KBQA的关键阶段一“构建查询”，说明KBQA面临的挑战，然后介绍几种典型的解决方案。
下图反映了KBQA中一个简化的“问题→答案”映射过程，自然语言问题在关联知识库之前，需要转换成结构化查询，利用查询从知识图谱中找到答案后，还需要考虑一个自然语言答案生成的过程。这个过程中的主要挑战在于如何将自然语言表达映射到知识库的查询，也就是Question2 Query语义理解。
多样的概念映射机制也就是将自然语言表达的查询语义映射知识库的原子查询。自然语言的表