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

阅读: 评论:0

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

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

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

本文发布于:2024-01-28 00:29:54,感谢您对本站的认可!

本文链接:https://www.4u4v.net/it/17063729933560.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

留言与评论(共有 0 条评论)
   
验证码:

Copyright ©2019-2022 Comsenz Inc.Powered by ©

网站地图1 网站地图2 网站地图3 网站地图4 网站地图5 网站地图6 网站地图7 网站地图8 网站地图9 网站地图10 网站地图11 网站地图12 网站地图13 网站地图14 网站地图15 网站地图16 网站地图17 网站地图18 网站地图19 网站地图20 网站地图21 网站地图22/a> 网站地图23