Question Answering with Subgraph Embeddings【论文笔记】

一、摘要 这篇论文提出一个系统，在大范围主题的知识库中，学习使用较少的手工特征来回答问题。我们的模型学习单词和知识库组成的低维词向量。这些表示用于根据候选答案对自然语言问题打分。使用成对的问题和对应答案的结构化表示，和成对的问题释义来训练系统，在最近的文献基准中产生有竞争力的结果。   二、介绍 开放域QA最先进的技术可以分为两大类，即基于信息抽取和基于语义解析。信息抽取系统首先通过查询KB的搜索

>>阅读原文<<