计算机科学与探索

作者：陈子睿, 王鑫, 王林, 徐大为, 贾勇哲

单位：1. 天津大学 智能与计算学部，天津 3003502. 天津市认知计算与应用重点实验室，天津 3003503. 天津泰凡科技有限公司，天津 300457

关键词：知识图谱问答（KGQA）,开放领域,深度学习,语义解析,信息检索

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。

来源：2021年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第10期