带有堆栈指针网络的上下文转换器,用于知识图上的会话问题回答
神经语义分析方法已广泛用于知识图上的问答(QA)系统。 这种方法提供了灵活性,可以处理具有复杂查询和大量实体的QA数据集。 在这项工作中,我们提出了一个名为CARTON的新颖框架,该框架执行多任务语义解析,以处理大规模知识图上的对话式问题回答问题。 我们的框架由一系列指针网络组成,这些指针网络是上下文转换器模型的扩展,用于解析输入问题和对话历史记录。 该框架生成可以在知识图上执行的一系列动作。 我们在标准数据集上评估CARTON,以进行复杂的顺序问题解答,在该问题上,CARTON的表现优于所有基线。 具体而言,与之前的最新技术水平相比,我们在10个问题类型中的8个问题上观察到F1分数的性能提高。 对于逻辑推理问题,可以提高11个绝对点。
CARTON(具有堆栈指针网络体系结构的上下文变压器)体系结构。 它由三个模块组成:1)基于
评论0
最新资源