FC-KBQA：一种用于知识库问答的从精细到粗糙的组合框架
摘要：KBQA的概括问题已经引起了广泛关注。现有的研究在对逻辑表达式进行粗粒度建模时存在概括问题，并且由于对现实知识库中不连续的类和关系进行细粒度建模而导致的无法执行的问题。我们提出了一种用于KBQA的细到粗组合框架（FC-KBQA），旨在确保逻辑表达式的概括能力和可执行性。FC-KBQA的主要思想是从知识库中提取相关的细粒度知识组件，并将它们重新组合成中等粒度的知识对以生成最终的逻辑表达式。FC-KBQA在GrailQA和WebQSP上取得了新的最先进的性能，并且比基准模型运行速度快4倍。
作者：Lingxi Zhang, Jing Zhang, Yanling Wang, Shulin Cao, Xinmei Huang, Cuiping Li, Hong Chen, Juanzi Li
论文ID：2306.14722
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-27