开放领域知识图谱问答研究综述
2021-10-12陈子睿徐大为贾勇哲
陈子睿,王 鑫,2+,王 林,徐大为,贾勇哲,
1.天津大学 智能与计算学部,天津 300350
2.天津市认知计算与应用重点实验室,天津 300350
3.天津泰凡科技有限公司,天津 300457
问答系统(question answering,QA)能够自动回答用户提出的自然语言问题,是信息检索和自然语言处理的交叉研究方向[1]。知识库(knowledge base,KB)是用于存储计算机所使用的结构化及非结构化知识的数据管理系统。早期知识库问答多以限定领域知识库为信息源的专家系统为主,允许非专业用户使用自然语言检索由专家构建的限定领域知识库并获得所需领域问题的答案,而无需使用数据库查询语言(如SQL)来构建查询。代表性系统包括BASEBALL[2]和LUNAR[3]。
近年来,随着语义网(semantic web)[4-5]、知识图谱(knowledge graph,KG)[6]、信息检索及深度学习等技术的发展,Freebase[7]、DBpedia[8]、YAGO[9]等通用领域知识图谱及开放领域问答数据集被提出,使用限定领域知识库回答单一领域问题已不能满足用户对多领域问题解答的需求。知识图谱问答(knowledge graph question answering,KGQA)作为限定领域知识库问答的发展,如何通过使用诸如Freebase 等通用领域知识图谱的知识作为KGQA 系统的信息源,以回答开放领域的问题,即开放领域知识图谱问答,开始受到学术界和工业界的广泛关注。
开放领域知识图谱问答的实际应用十分广泛:可作为搜索引擎的组成部分,将问答系统所得答案与搜索引擎所得结果同时进行展示;还可用于智能对话、智能客服、智能助理[10]等系统,帮助人们获取知识[11]、执行任务,或利用多轮对话补全用户意图[12]。
为了实现开放领域知识图谱问答,问答系统需要利用问题的语义信息深入理解自然语言问题,并从通用领域知识图谱中获取答案。……