QUINT 知识库上的解释性问答

本文介绍了一种名为QUINT的可解释的基于知识库的问答系统,该系统通过自动生成模板的方法,将问题映射成查询模板,用于在知识库中查询。QUINT分为两个阶段:首先确定问题主题词和答案的最小子图作为骨干查询,然后通过依存树分析和整型线性规划(ILP)对问题和骨干查询进行对齐。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

QUINT:Interpretable Question Answering over Knowledge Bases

2017 EMNLP 模板+信息提取
在这里插入图片描述
QUINT分为两个阶段
步骤
1.已知问题语句utterance和答案a
2.在知识库当中查询到问题的主题词和答案a的最小子图做为backbone(骨干查询)
3.把问题进行依存树分析
4.把问题的依存树和骨干查询的节点进行ILP(整型线性回归)
u当中哪个标记用于实例化哪个KB的条目
5.把骨干查询当中不相干的节点去掉,把角色对齐的模板对(ut,qt)放入模板库

总结:
利用问题和答案,通过自动生成模板的方法,把问题映射成一个查询模板用于查询。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值