从 6 篇顶会论文看「知识图谱」领域最新研究进展 | 解读 & 代码

文章预览

本期内容选编自微信公众号「开放知识图谱」。 ISWC 2018 ■ 链接 | http://www.paperweekly.site/papers/1912 ■ 源码 | https://github.com/quyingqi/kbqa-ar-smcnn ■ 解读 | 吴桐桐，东南大学博士生，研究方向为自然语言问答 概述 随着近年来知识库的快速发展，基于知识库的问答系统（KBQA ）吸引了业界的广泛关注。该类问答系统秉承先编码再比较的设计思路，即先将问题和知识库中的三元组联合编码至统一的向量空间，然后在该向量空间内做问题和候选答案间的相似度计算。该类方法简单有效，可操作性比较强， 然而忽视了很多自然语言词面的原始信息。 因此，本文提出了一种 Attentive RNN with Similarity Matrix based CNN（AR-SMCNN）模型， 利用 RNN 和 CNN 自身的结构特点分层提取有用信息。 ………………………………