要約
知識ベース質問応答の大多数のアプローチは意味解析に基づいています。本論文では、複数のエンティティとリレーションから構成される複雑な意味解析のベクトル表現を学習する問題を取り上げます。従来の研究は主に質問に対する正しい意味関係を選択することに焦点を当て、意味解析の構造、つまりエンティティ間の接続やリレーションの方向性を無視していました。我々は、ゲート付きグラフニューラルネットワークを使用して意味解析のグラフ構造を符号化することを提案します。2つのデータセットでの実験結果から、当該手法が明示的に構造をモデル化しないすべての基準モデルを上回ることが示されました。誤り分析により、我々のアプローチが複雑な意味解析を成功裏に処理できることも確認されました。