摘要
我们研究了开放域问答（QA）系统，其中答案可以来自语料库、知识库（KB）或两者的结合。本文重点关注一种场景，即语料库补充了一个庞大但不完整的知识库，并且问题需要进行非平凡的（例如，“多跳”）推理。我们描述了一种名为PullNet的综合框架，该框架旨在实现两个目标：(1) 学习从知识库和/或语料库中检索什么信息；(2) 利用这些异构信息进行推理以找到最佳答案。PullNet 使用迭代过程构建一个特定于问题的子图，该子图包含与问题相关的信息。在每次迭代中，图卷积网络（图CNN）用于识别应通过在语料库和/或知识库上执行检索（或“拉取”）操作来扩展的子图节点。当子图构建完成后，类似的图CNN用于从子图中提取答案。这种检索和推理的过程使我们能够利用大型知识库和语料库回答多跳问题。PullNet 采用弱监督学习方法，仅需问题-答案对而不需要黄金推理路径。实验结果表明，PullNet 在性能上优于先前的最先进方法，特别是在使用语料库与不完整知识库相结合的情况下，其改进效果尤为显著。此外，在仅使用知识库或仅使用文本的情况下，PullNet 也通常优于之前的系统。