基于门控图神经网络的知识库问答语义建模

大多数知识库问答方法都基于语义解析。本文探讨了学习由多个实体和关系组成的复杂语义解析的向量表示的问题。以往的研究主要集中在为问题选择正确的语义关系上，而忽略了语义解析的结构：实体之间的连接以及关系的方向。我们提出使用门控图神经网络来编码语义解析的图结构。我们在两个数据集上的实验结果表明，图网络的表现优于所有未显式建模结构的基线模型。错误分析证实了我们的方法能够成功处理复杂的语义解析。