该博客介绍了《Coarse-to-Careful: Seeking Semantic-related Knowledge for Open-domain Commonsense Question Answering》论文，提出了一种名为SEEK-QA的框架，该框架通过从粗到细的方式控制知识注入以解决开放域常识问答中的噪声和误导性信息问题。论文中提到的策略包括使用SONAR策略过滤不相关知识，并通过SKETCH模块以问题的语义来精细化处理和融合结构化知识，从而提高答案的准确性。
贴一下汇总贴：论文阅读记录
一、摘要
利用外部知识帮助机器回答需要背景常识的问题很普遍，这面临着无限的知识会传输嘈杂和误导性信息的问题。针对引入相关知识的问题，我们提出了一种语义驱动的知识感知 QA 框架，该框架以从粗到细的方式控制知识注入。我们设计了一种裁剪策略，在知识提取阶段对问题的粗略语义的监控下过滤提取的知识。并且我们开发了一个语义感知的知识获取模块，该模块根据问题的仔细语义以分层方式处理结构化知识信息并融合适当的知识。
二、结论
在这项工作中，我们提出了语义驱动的知识感知问答(SEEK-QA)框架，它可以按照从粗到细的方式操纵外部结构化知识的注入。实验结果证明了该方法的有效性。
三、model
SEEK-QA框架：
包含两个阶段：
- a)检索:使用SONAR策略过滤不相关的知识三元组。
- b)回答:利用装有SKETCH模块的QA模型为给定问题选择正确答案。
最主要的三个模块：
- Contextual Encoding
- Knowledge Module
- Answer Scoring
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
