KBQA: Learning Question Answering over QA Corpora and Knowledge Bases读书笔记

本文介绍了一种基于知识图谱的问答系统核心思想:通过识别问题中的实体,将其替换为类型符号形成模板,进而映射到知识图谱中的谓词以寻找答案。详细讨论了模板生成方法及如何使用EM算法估计模板到谓词的概率。

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

主要思想是找到问题中的topic entity, 替换为类型后得到模板(template),映射到知识图谱中的谓词(predicate),再找到答案。

模板生成方法:

    找到问题中可能的实体,判断实体可能的类型,将实体词替换为类型符号,例如How many people are there in $City?

模板到谓词的概率由最大化训练数据的概率来估计,由于有隐变量(template和predicate),文章采用了EM算法来估计

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