[EMNLP 2023] Relation-Aware Question Answering for Heterogeneous Knowledge Graphs

 杜浩伟关于基于知识图谱问答的论文Relation-Aware Question Answering for Heterogeneous Knowledge Graphs被EMNLP 2023 findings接收

多跳知识库问答（KBQA）旨在在知识图（KG）中找到答案实体，这需要多个推理步骤。现有的检索型方法通过集中在不同跳点上的具体关系，并预测推理路径中的中间实体来解决这一任务。在这些方法的推理过程中，关系的表示是固定的，但初始关系表示可能不是最佳的。我们认为它们未能利用头尾实体的信息和关系之间的语义连接来增强当前的关系表示，从而削弱了捕获KG中关系信息的能力。为了解决这个问题，我们构建了一个“双重关系图”，其中每个节点表示原始KG中的一个关系（“原始实体图”），边缘是在共享相同头部或尾部实体的关系之间构建的。

然后，我们迭代进行原始实体图推理、双重关系图信息传播以及这两个图之间的交互。通过这种方式，增强了实体和关系之间的互动，我们获得了更好的实体和关系表示。对两个公共数据集WebQSP和CWQ的实验表明，我们的方法在性能上显著优于先前的最先进方法。