Question Answering with Subgraph Embeddings【論文筆記】

一、摘要 這篇論文提出一個系統，在大範圍主題的知識庫中，學習使用較少的手工特徵來回答問題。我們的模型學習單詞和知識庫組成的低維詞向量。這些表示用於根據候選答案對自然語言問題打分。使用成對的問題和對應答案的結構化表示，和成對的問題釋義來訓練系統，在最近的文獻基準中產生有競爭力的結果。   二、介紹 開放域QA最先進的技術可以分爲兩大類，即基於信息抽取和基於語義解析。信息抽取系統首先通過查詢KB的搜索

>>阅读原文<<