知識(shí)庫問答旨在通過知識(shí)庫回答自然語言問題。近來，大量的研究集中在語義或句法上復(fù)雜的問題上。在本文中，我們精心總結(jié)了復(fù)雜知識(shí)庫問答任務(wù)的典型挑戰(zhàn)和解決方案，介紹了復(fù)雜知識(shí)庫問答的兩種主流方法，即基于語義解析（基于SP）的方法和基于信息檢索（基于IR）的方法。首先，我們形式化地定義了知識(shí)庫問答任務(wù)并介紹了該任務(wù)下相關(guān)的數(shù)據(jù)集。然后，我們從兩個(gè)類別的角度全面回顧了前沿方法，說明他們針對(duì)典型挑戰(zhàn)的解決方案。最后，我們總結(jié)并討論了一些仍具有挑戰(zhàn)的未來研究方向。

知識(shí)庫(KB)是一個(gè)結(jié)構(gòu)化的數(shù)據(jù)庫，它以(主題、關(guān)系、對(duì)象)的形式包含一系列事實(shí)。大型KBs，如Freebase [Bollacker et al.， 2008]， DBPedia [Lehmann et al.， 2015]和Wikidata [Tanon et al.， 2016]，已經(jīng)構(gòu)建服務(wù)于許多下游任務(wù)。知識(shí)庫問答(KBQA)是一種基于知識(shí)庫的自然語言問答任務(wù)。KBQA的早期工作[Bordes et al., 2015; Dong et al., 2015; Hu et al., 2018a; Lan et al., 2019b; Lan et al., 2019a]專注于回答一個(gè)簡(jiǎn)單的問題，其中只涉及一個(gè)單一的事實(shí)。例如，“j·k·羅琳出生在哪里?”“是一個(gè)可以用事實(shí)來回答的簡(jiǎn)單問題”(J.K.羅琳)羅琳，出生地，英國(guó))。

最近，研究人員開始更多地關(guān)注于回答復(fù)雜問題，即復(fù)雜的KBQA任務(wù)[Hu et al., 2018b; Luo et al., 2018]。復(fù)雜問題通常包含多個(gè)主題，表達(dá)復(fù)合關(guān)系，并包含數(shù)值運(yùn)算。以圖1中的問題為例。這個(gè)例題的開頭是“the Jeff Probst Show”。這個(gè)問題不是問一個(gè)單一的事實(shí)，而是要求由兩個(gè)關(guān)系組成，即“被提名人”和“配偶”。該查詢還與一個(gè)實(shí)體類型約束“(Jeff Probst，是一個(gè)電視制作人)”相關(guān)聯(lián)。最后的答案應(yīng)該通過選擇有最早結(jié)婚日期的可能候選人來進(jìn)一步匯總。一般來說，復(fù)雜問題是涉及多跳推理、約束關(guān)系、數(shù)值運(yùn)算或上述幾種組合的問題。

回到簡(jiǎn)單KBQA的解決方案，已經(jīng)提出了兩種主流方法的一些研究。這兩種方法首先識(shí)別問題中的主題，并將其鏈接到知識(shí)庫中的實(shí)體(稱為主題實(shí)體)。然后，通過執(zhí)行已解析的邏輯形式或在從知識(shí)庫中提取的特定于問題的圖中進(jìn)行推理，在主題實(shí)體的鄰近區(qū)域內(nèi)獲得答案。這兩類方法在以往的工作中通常被稱為基于語義解析的方法(基于SP的方法)和基于信息檢索的方法(基于IR的方法)[Bordes et al., 2015; Dong et al., 2015; Hu et al., 2018a; Gu et al., 2020]。它們包括解決KBQA任務(wù)的不同工作機(jī)制。前一種方法用符號(hào)邏輯形式表示問題，然后對(duì)知識(shí)庫執(zhí)行它，獲得最終答案。后一種方法構(gòu)造一個(gè)特定于問題的圖，給出與問題相關(guān)的全面信息，并根據(jù)其與問題的相關(guān)性對(duì)抽取的圖中的所有實(shí)體進(jìn)行排序。

然而，當(dāng)將這兩種主流方法應(yīng)用于復(fù)雜的KBQA任務(wù)時(shí)，復(fù)雜的問題會(huì)給這兩種方法的不同部分帶來挑戰(zhàn)。我們認(rèn)為主要挑戰(zhàn)如下:

現(xiàn)有基于SP的方法中使用的解析器難以覆蓋各種復(fù)雜的查詢(例如，多跳推理、約束關(guān)系和數(shù)值運(yùn)算)。類似地，以前的基于ir的方法可能無法回答復(fù)雜的查詢，因?yàn)樗鼈兊呐判蚴窃跊]有可追溯推理的情況下對(duì)小范圍實(shí)體執(zhí)行的。

在復(fù)雜問題中，更多的關(guān)系和主題意味著更大的潛在邏輯形式的搜索空間，這將顯著增加計(jì)算成本。同時(shí)，更多的關(guān)系和被試會(huì)阻礙基于IR的方法檢索所有相關(guān)實(shí)體進(jìn)行排序。

兩種方法都把理解問題作為首要步驟。當(dāng)問題在語義和句法方面都變得復(fù)雜時(shí)，就要求模型具有較強(qiáng)的自然語言理解和泛化能力。

對(duì)于復(fù)雜問題，為答案標(biāo)記ground truth路徑是非常昂貴的。通常，只提供問答對(duì)。這表明基于SP的方法和基于IR的方法需要分別在沒有正確邏輯形式和推理路徑標(biāo)注的情況下進(jìn)行訓(xùn)練。這種微弱的監(jiān)管信號(hào)給兩種方式都帶來了困難。

關(guān)于相關(guān)綜述，我們觀察到Wu等人[2019]和Chakraborty等人[2019]回顧了關(guān)于簡(jiǎn)單KBQA的現(xiàn)有工作。此外，F(xiàn)u等人[2020]研究了復(fù)雜KBQA的當(dāng)前進(jìn)展。他們只從技術(shù)的角度提供了高級(jí)方法的一般觀點(diǎn)，而更多地關(guān)注于電子商務(wù)領(lǐng)域的應(yīng)用場(chǎng)景。與這些綜述不同的是，我們的工作試圖識(shí)別在以往的研究中遇到的挑戰(zhàn)，并以全面和有序的方式廣泛討論現(xiàn)有的解決方案。具體來說，我們將復(fù)雜KBQA的方法根據(jù)其工作機(jī)制分為兩種主流方法。我們將這兩種方法的整個(gè)過程分解為一系列模塊，并分析每個(gè)模塊中的挑戰(zhàn)。我們相信這種方式特別有助于讀者理解挑戰(zhàn)，以及如何在現(xiàn)有的復(fù)雜KBQA解決方案中解決這些挑戰(zhàn)。此外，我們還對(duì)復(fù)雜KBQA的幾個(gè)有前途的研究方向進(jìn)行了展望。

原文標(biāo)題：IJCAI2021最新「復(fù)雜知識(shí)庫問答研究」綜述論文，闡述KBQA方法、挑戰(zhàn)與對(duì)策

文章出處：【微信公眾號(hào)：深度學(xué)習(xí)自然語言處理】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq