基于表示学习的知识库问答研究进展与展望
面向知识库的问答(Question answering over knowledge base, KBQA)是问答系统的重要组成。近些年,随着以深度学习为代表的表示学习技术在多个领域的成功应用,许多研究者开始着手研究基于表示学习的知识库问答技术。其基本假设是把知识库问答看做是一个语义匹配的过程。通过表示学习知识库以及用户问题的语义表示,将知识库中的实体、关系以及问句文本转换为一个低维语义空间中的数值向量,在此基础上,利用数值计算,直接匹配与用户问句语义最相似的答案。从目前的结果看,基于表示学习的知识库问答系统在性能上已经超过传统知识库问答方法。本文将对现有基于表示学习的知识库问答的研究进展进行综述,包括知识库表示学习和问句(文本)表示学习的代表性工作,同时对于其中存在难点以及仍存在的研究问题进行分析和讨论。
知识库问答、深度学习、表示学习、语义分析
42
TP3;TP1
国家重点基础研究发展计划973计划2014CB340503;国家自然科学基金61533018;“CCF-腾讯”犀牛鸟基金资助Supported by National Basic Research Program of China 973 Program2014CB340503;National Natural Science Founda-tion of China61533018;CCF-Tencent Open Research Fund
2016-07-21(万方平台首次上网日期,不代表论文的发表时间)
共12页
807-818