【IBM沃森研究院知识归纳团队】知识库问答：利用语义解析进行关系链接

【论文标题】Leveraging Semantic Parsing for Relation Linking over Knowledge Bases 【作者团队】Nandana Mihindukulasooriya, Gaetano Rossiello, Pavan Kapanipathi, Ibrahim Abdelaziz, Srinivas Ravishankar, Mo Yu, Alfio Gliozzo, Salim Roukos, Alexander Gray 【发表时间】9月17日 【论文链接】https://arxiv.org/abs/2009.07726 【论文代码】https://github.com/IBM/kbqa-relation-linking 【推荐理由】本文已经被ISWC 2020接收。该论文提出一种利用抽象含义表示（AMR）和远程监督对问题描述进行语义解析的关系链接框架。

知识库问答系统在很大程度上依赖于关系提取和链接模块。 但是，从文本到知识库的关系的提取和链接的任务面临两个主要挑战：自然语言的歧义性和缺乏训练数据。 为了克服这些挑战，本文提出了一种利用抽象含义表示（AMR）和远程监督来进行语义解析的关系链接框架（SLING）。 这个框架集成了多种方法来从AMR表示形式以及自然语言文本中捕获补充信息，例如：语言提示，丰富的语义表示以及来自知识库的信息。 使用三个KBQA数据集QALD-7，QALD-9和LC-QuAD 1.0进行关系链接的实验表明，该方法在所有基准测试中均达到了最优的性能。

上图中，（a）是按照处理流程展示的SLING整体架构图。（b）是展示了一个例子，输入是自然语言描述的问题以及相应的AMR表示，输出是句子中可能的subject-object 对的对应关系的排序列表。