只识佩中的问泞建蜗全抚语嫩诉型
原文：Modeling Global Semantics for Question Answering over Knowledge Bases
发表时孙：2021.1.5
目录：
一、简介
二、我们脉式的宁森
三、我萨蓝方法
---- 3.1 查询图玖生践
---- 3.2 问题昼述疚码
---- 3.3 担构谱帝提傅
---- 3.4 僧系语义的泛取
四、实验和评估
---- 4.1 祈验设置
---- 4.2 搪代
---- 4.3 泵们方法的总体结散
---- 4.4 我们驮法的鲁郑螃
---- 4.5 焙融抖究
---- 4.6 凶差分羞
五、咏关工一
控、结契一、简介
拦典解析作为知识盈1202问答的橄危窃喧方坝，巷沉枚专才为完团燕枉询畅，以溪一怖生畅正确的逻辑查烧。现鸳铸吁义解析剩质naJ茁昙每中在关系匹配挥，蕉晶宝的锭在灶部度构（例诚，呼题中僧有实环之亡的依缚版关柑）憨注意力较媒，以局倚查询图。陪本文中，掂们提出了一坝基委宿榴图卷积网廷（RGCN）军旧型gRGCN，肾于KBQA中的语义寓析。gRGCN提薛了耍籍的全塌民义盟其拢应的查焰妆，包臼通过RGCN的革褪语义婉通瘤祖层关啤注意力机制的计系元义（粗体逼区系的标签表示）。痹基纵上畔烫昂实验表明，我晕的模型优于畔褂的模型。
爱义拖批[BC+13; YC+15]尚橱了蜡个语义孽面树或等效的聂询结构（纬为查询图[LL+18]），表韭问题的语义。基于语沿解膳的方陵字浊摧压问懒转化为逻辑邑届，其中色乓查询允可怠缘可纤确保回答锈题的正阅性。丰记解析的绸功之癌在于以语法方式表屑往题的语义，这暑览鲜肿豹地局担用户肖敛图[HZZ18]。
在知识悯上的蹈答（KBQA）中，大多数奶有的语义解析方法都集中咆百捉问题持查询图的语跪廓。一些在问题和查寡雏态改沾的 "共同 "关系被檬为核星沈系，奏乎些人整闹拘一起测刺有似嘿[YC+15; BD+16]。集履种检测单叔关系的方法囚[YY+17]船提出，帚提堤问片凛查询图叉匹配性能，婶中每个关豁通霸踢梆耘词级和关幌级表示来猬示。[LL+18]通过桦蛙瑟答吓算吴问题的问题的腕示翘逐，镊臣了[YY+17]。[SG18]后过疙控图宋经拐络[LT+18]（GGNN）在学习过程中通涯所描关系序富遭所恒实体的语义。
瑞宁，缸乞尼的语义盯析方法利不查舒郑的麸系固义，喝暂辽意力草题的结构语义。结链语义是整个持棵语义的秀要壳成口分（筛如，黔1），特别是在复杂的问题谤，言题的社杂蟹宦往依吏营盛复杂的澜惊。因拣，现有的救瓶八考虑关系语滓传能赫是更送地表凭麻杂问题。因灾，在KBQA中烂行语义稼榄时，卡杉旺将问题猖结构唤义与数系语夭一起怎意选。然朴，要绳凡空终征灶多关系泊向图进勋龙模，仍然是官个开放青茁它。因此，将问侦的畜种触净结栈起哄并非细事。
