vor 11 Tagen

ReTraCk: Ein flexibles und effizientes Framework für die Fragebeantwortung in Wissensbasen

{Feng Jiang, Jian-Guang Lou, Chin-Yew Lin, Zhiwei Yu, Qian Liu, Shuang Chen}

Details der Forschungsarbeit anzeigen View Code

ReTraCk: Ein flexibles und effizientes Framework für die Fragebeantwortung in Wissensbasen

Abstract

Wir präsentieren Retriever-Transducer-Checker (ReTraCk), einen neuronalen semantischen Parsing-Framework für die Fragebeantwortung über große Wissensbasen (KBQA). ReTraCk ist als modulares Framework konzipiert, um eine hohe Flexibilität zu gewährleisten. Es umfasst einen Retriever, der relevante Wissensbasiselemente effizient abruft, einen Transducer, der logische Formen mit Garantie für syntaktische Korrektheit generiert, sowie einen Checker, der den Transduktionsprozess verbessert. ReTraCk erreicht die Platzierung an erster Stelle insgesamt auf der GrailQA-Leaderboard und erzielt hochkonkurrenzfähige Ergebnisse auf dem typischen WebQuestionsSP-Benchmark. Unser System kann zeitnah mit Benutzern interagieren, was die Effizienz des vorgeschlagenen Frameworks unterstreicht.