典型文献
基于Graph Transformer的知识库问题生成
文献摘要：
知识库问答依靠知识库推断答案,需要大量带标注信息的问答对,但构建大规模且精准的数据集不仅代价昂贵,还受领域等因素限制.为缓解数据标注问题,面向知识库的问题生成任务引起了研究者关注,该任务的特点是利用知识库三元组自动生成问题,但现有方法仅由一个三元组生成的问题过于简短,且缺乏多样性.为生成信息量丰富且多样化的问题,该文采用Graph Transformer和BERT两个编码层来加强三元组多粒度语义表征以获取背景信息,在SimpleQuestions数据集上的实验结果证明了该方法的有效性.
文献关键词：
问题生成;知识库;语义表征;知识库问答
中图分类号：
作者姓名：
胡月;周光有
作者机构：
华中师范大学 计算机学院,湖北 武汉 430000
文献出处：
引用格式：
[1]胡月;周光有-.基于Graph Transformer的知识库问题生成)[J].中文信息学报,2022(02):111-120
A类：
SimpleQuestions
B类：
Graph,Transformer,问题生成,知识库问答,标注信息,答对,昂贵,受领,解数,数据标注,三元组,自动生成,成问题,简短,信息量,BERT,编码层,多粒度,语义表征,背景信息
AB值：
0.369628
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
