摘要
现实世界中的事实型问题或列表型问题通常结构简单，但由于表示形式和语言表达的高度多样性，难以在给定的知识库中准确匹配到相应事实。例如，回答“苹果公司的首席执行官是谁”这一问题，在Freebase知识库中需要匹配一个抽象的“领导”实体，该实体包含三个关系：“角色”“组织”和“人物”，以及两个其他实体：“苹果公司（Apple Inc.）”和“管理总监”。近年来，针对此类问题的学习型解决方案研究活动显著增多。本文进一步推进了该领域的技术水平，通过采用学习排序（learning-to-rank）方法，并全面解决此前研究中被忽视的实体识别问题。我们在两个标准基准测试集——Free917和WebQuestions上评估了所提出的系统Aqqu，显著提升了两个基准测试的先前最优结果。这两个基准测试面临截然不同的挑战，而许多现有方法仅在其中一个基准上进行了评估，且表现良好。此外，我们还关注系统效率，确保所有问题均可在交互式响应时间内（即一秒钟内）得到解答。为保证研究的完全可复现性，相关材料已发布于我们的网站：http://ad.informatik.uni-freiburg.de/publications。