تحسين الإجابة على الأسئلة المتعلقة بقاعدة المعرفة متعددة الخطوات من خلال تعلم إشارات مراقبة وسيطة

الاستجابة عن الأسئلة باستخدام قاعدة المعرفة متعددة الخطوات (KBQA) تهدف إلى تحديد الكيانات المُجاوبة التي تقع على بعد عدة خطوات في قاعدة المعرفة (KB) عن الكيانات المذكورة في السؤال. يمثل التحدي الرئيسي نقص إشارات التدريب في الخطوات الوسطى. وبالتالي، فإن خوارزميات KBQA متعددة الخطوات لا يمكنها سوى تلقي التغذية الراجعة من الإجابة النهائية، مما يؤدي إلى تعلم غير مستقر أو غير فعّال.لحل هذا التحدي، نقترح نهجًا جديدًا يعتمد على نموذج المعلم والطالب لمهام KBQA متعددة الخطوات. في هذا النهج، يسعى الشبكة الطالبة إلى إيجاد الإجابة الصحيحة للسؤال، بينما تحاول الشبكة المعلمة تعلم إشارات تدريب وسطى لتحسين قدرة التفكير لدى الشبكة الطالبة. تكمن الابتكار الرئيسي في تصميم الشبكة المعلمة، حيث نستخدم التفكير الأمامي والعكسي معًا لتعزيز تعلّم توزيع الكيانات الوسطى. وباعتبار التفكير ثنائي الاتجاه، يمكن للشبكة المعلمة إنتاج إشارات تدريب وسطى أكثر موثوقية، مما يخفف من مشكلة التفكير الخاطئ أو الوهمي. أظهرت التجارب الواسعة على ثلاث مجموعات بيانات معيارية فعالية النهج المقترح في مهام KBQA. يُمكن إعادة تجربة التحليل عبر الكود المتاح على الرابط: https://github.com/RichardHGL/WSDM2021_NSM.