关于知识库问答KBQA - ricket-sjtu/bi028 GitHub Wiki

• Q：什么是知识库问答？

• A：知识库问答（knowledge base question answering, KB-QA）给定自然语言问题，对问题进行语义理解和解析，进而通过知识库查询、推理得到问题的答案的方法和技术。

• Q：知识库问答有哪些分类？

• A：从应用领域划分，有开放领域的知识问答（如百科知识问答）和特定领域的知识问答（如金融领域、医疗领域、宗教领域等）。

• Q：KBQA和DBQA有什么区别？

• A：KBQA是基于知识库的问答，而DBQA是基于文档库的问答。前者利用的是结构化的知识，而后者利用的是非结构化的文本。因此，KBQA更擅长回答what, when等事实性问题，而DBQA更适合回答why，how等解释性、阐述性问题。

• Q：KBQA传统方法框架和经典系统结构包括问题解析、生成查询、答案检索和评分等，其中包括哪些子模块？涉及到哪些关键技术？

• A：KBQA大致分为四个模块：问题分析（Question Analysis）；短语映射（Phrase mapping）；消岐（Disambiguation）；查询构建（Query construction）

子模块	描述	技术手段
问题理解	使用所有可能的语言学特征，抽取所需要的信息	识别命名实体、词性标注、句法分析
短语映射	将短语与知识库中的资源，通过概率计算，进行映射和链接	语义相似性、字符串相似性（编辑距离、Jaccard距离、Fuzzy模糊查询）
消岐	解决短语映射中出现的歧义问题，用各种技术来无歧义地确定短语映射的知识库实体	本体资源的label与对应的自然语言短句计算字符串相似性，并进行排序；判断属性及其参数是否一致，排除不符合一致性的；图搜索、隐马尔科夫模型（HMM）、整数线性规划（ILP）、马尔科夫逻辑网络（MLN）、结构化感知器（Structured Perceptron）等数学模型，辅以人工反馈调整
查询构建	融合前三个模块生成的结果，得到最终的SPARQL查询语句	基于模板、基于问题分析中得到的信息、基于机器学习和基于语义信息构建查询SPARQL语句

语义解析（Semantic parsing）

什么是语义解析？

知识库Freebase中有大量的三元组（triples），并且这些三元组的实体与实体的关系（entity-entity relationship）都是形式化的语言，如（Luxun, PlaceOfBirth, Shaoxing）。

给定一个自然语言问题：“Where was Luxun born?”。我们面临的第一个挑战，就是如何建立问题到知识库的映射（Question-KB mapping）。语义解析的思路是通过语义分析，将自然语言问题转化为能够为知识库所“理解”的语义表示（也就是逻辑型式Logic Form），进而基于知识库中的知识，进行推理（Inference）和查询（Query），得到最终的答案。

那么什么是逻辑型式呢？