摘要
多跳知识库问答（Multi-hop Knowledge Base Question Answering, KBQA）旨在从问题中涉及的实体出发，在知识库（KB）中找到与之相隔多个跳数的答句实体。该任务面临的一个主要挑战是中间推理步骤缺乏监督信号。因此，现有的多跳KBQA算法仅能从最终答案获得反馈，这导致学习过程不稳定或效率低下。为应对这一挑战，本文提出一种新颖的师生协作框架用于多跳KBQA任务。在该框架中，学生网络负责寻找查询的正确答案，而教师网络则致力于学习中间阶段的监督信号，以提升学生网络的推理能力。本方法的核心创新在于教师网络的设计：我们引入了前向与后向双向推理机制，以增强对中间实体分布的学习。通过结合双向推理，教师网络能够生成更为可靠的中间监督信号，从而有效缓解虚假推理（spurious reasoning）的问题。在三个基准数据集上的大量实验结果表明，所提方法在KBQA任务上具有显著有效性。用于复现本研究分析的代码已公开，地址为：https://github.com/RichardHGL/WSDM2021_NSM。