PullNet: 지식베이스와 텍스트에서의 반복 검색을 이용한 오픈 도메인 질문 응답

우리는 오픈 도메인 질문 응답(QA)을 고려합니다. 이 경우 답변은 코퍼스, 지식 기반(KB) 또는 이 두 가지의 조합에서 추출됩니다. 우리는 큰 규모이지만 불완전한 KB를 보조로 사용하는 코퍼스 환경과, 비단순 (멀티홉'' 등) 추론이 필요한 질문에 초점을 맞춥니다. 우리는 (1) KB와/또는 코퍼스에서 어떤 정보를 검색할 것인지 학습하고, (2) 이 이질적인 정보를 활용하여 최적의 답변을 찾는 통합 프레임워크인 PullNet을 설명합니다. PullNet은 질문에 관련된 정보를 포함하는 질문 특화 서브그래프를 구성하기 위해 반복적인 과정을 사용합니다. 각 반복 단계에서 그래프 컨볼루션 네트워크(그래프 CNN)가 코퍼스와/또는 KB에서 검색(또는풀'' pull) 연산을 통해 확장해야 하는 서브그래프 노드를 식별합니다. 서브그래프가 완성되면 유사한 그래프 CNN이 서브그래프에서 답변을 추출하는 데 사용됩니다. 이러한 검색 및 추론 과정은 대규모 KB와 코퍼스를 사용하여 멀티홉 질문에 답할 수 있게 합니다. PullNet은 약간의 감독만으로도 작동하며, 금자탑 추론 경로가 아닌 질문-답변 쌍만 필요합니다. 실험적으로 PullNet은 기존 최신 연구보다 향상되었으며, 특히 코퍼스와 불완전한 KB를 함께 사용하는 환경에서는 종종 극적인 개선을 보입니다. 또한 PullNet은 KB만 사용하거나 텍스트만 사용하는 환경에서도 종종 기존 시스템보다 우수한 성능을 보입니다.