FC-KBQA: A Fine-to-Coarse Composition Framework for Knowledge Base Question Answering

要約

KBQA の一般化問題はかなりの注目を集めています。
既存の研究は、論理式の粗粒モデリングのもつれによってもたらされる一般化の問題、または実際の KB での切断されたクラスと関係の細粒モデリングに起因する実行不可能性の問題に悩まされています。
論理式の一般化能力と実行可能性の両方を保証するために、KBQA の Fine-to-Coarse Composite フレームワーク (FC-KBQA) を提案します。
FC-KBQA の主なアイデアは、KB から関連する細粒度の知識コンポーネントを抽出し、最終的な論理式を生成するためにそれらを中粒度の知識ペアに再定式化することです。
FC-KBQA は、GrailQA および WebQSP 上で新しい最先端のパフォーマンスを引き出し、ベースラインより 4 倍高速に実行されます。

要約(オリジナル)

The generalization problem on KBQA has drawn considerable attention. Existing research suffers from the generalization issue brought by the entanglement in the coarse-grained modeling of the logical expression, or inexecutability issues due to the fine-grained modeling of disconnected classes and relations in real KBs. We propose a Fine-to-Coarse Composition framework for KBQA (FC-KBQA) to both ensure the generalization ability and executability of the logical expression. The main idea of FC-KBQA is to extract relevant fine-grained knowledge components from KB and reformulate them into middle-grained knowledge pairs for generating the final logical expressions. FC-KBQA derives new state-of-the-art performance on GrailQA and WebQSP, and runs 4 times faster than the baseline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google