开放领域知识图谱问答研究综述

• Published in: 计算机科学与探索 Vol. 15; no. 10; pp. 1843 - 1869
• Main Authors: 陈子睿, 王鑫, 王林, 徐大为, 贾勇哲
• Format: Journal Article
• Language: Chinese
• Published: 天津大学 智能与计算学部,天津 300350%天津大学 智能与计算学部,天津 300350 01.10.2021; 天津泰凡科技有限公司,天津 300457; 天津市认知计算与应用重点实验室,天津 300350%天津泰凡科技有限公司,天津 300457%天津大学 智能与计算学部,天津 300350
• Subjects: 知识图谱问答(KGQA);开放领域;深度学习;语义解析;信息检索
• ISSN: 1673-9418
• DOI: 10.3778/j.issn.1673-9418.2106095

TP311; 知识图谱问答是通过处理用户提出的自然语言问题,基于知识图谱的某种形式,从中获取相关答案的过程.由于知识规模、计算能力及自然语言处理能力的制约,早期知识库问答系统被应用于限定领域.近年来,随着知识图谱的发展,以及开放领域问答数据集的陆续提出,知识图谱已用于开放领域问答研究与实践.以技术发展为主线,对开放领域知识图谱问答进行综述.首先,介绍五种基于规则模板的开放领域知识图谱问答方法:传统语义解析、传统信息检索、三元组匹配、话语模板和查询模板,这类方法主要依赖人工定义的规则模板完成问答工作.其次,描述五种基于深度学习的方法,这类方法采用神经网络模型完成问答过程的各类子任务,包括知识图谱嵌入、记忆网络、基于神经网络的语义解析、基于神经网络的查询图、基于神经网络的信息检索.接着,介绍开放领域知识图谱问答常用的4个通用领域知识图谱和11个开放领域问答数据集.随后,按照问题的难易程度选择3个经典问答数据集比较各问答系统的性能指标,对比不同方法间的性能差异并进行分析.最后,展望开放领域知识图谱问答的未来研究方向.