期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向知识图谱的二阶段复杂问句生成框架
1
作者
张琨
王元卓
+6 位作者
仇韫琦
白龙
江旭晖
侯坤
岑建何
沈华伟
程学旗
《电子学报》
北大核心
2025年第6期2104-2117,共14页
面向知识图谱的问句生成(Question Generation over Knowledge Graph,KGQG)任务是根据知识图谱(Knowledge Graph,KG)子图生成自然语言问句.现有方法通常是直接将实例化的KG子图转换为问句,并且大多采用教师强制(Teacher-Forcing)的训练...
面向知识图谱的问句生成(Question Generation over Knowledge Graph,KGQG)任务是根据知识图谱(Knowledge Graph,KG)子图生成自然语言问句.现有方法通常是直接将实例化的KG子图转换为问句,并且大多采用教师强制(Teacher-Forcing)的训练策略.然而,当前方法仍然面临两个主要挑战:(1)实例化的KG子图缺乏确定性查询意图的整合,导致输入与目标输出之间存在语义歧义现象;(2)采用教师强制训练策略训练的生成模型在推理阶段存在曝光偏差问题.为了缓解语义歧义带来的挑战,本文提出了一个复杂问句生成框架,其包括两个阶段,即事实-查询和查询-问句生成阶段.在第一阶段,本文设计了一个查询图生成器,将KG子图转换为具有不同查询意图的查询图.在第二阶段,本文提出了一个问句生成模型,该模型利用密集连接图卷积网络(Densely Connected Graph Convolutional Network,DCGCN)对查询图进行编码,并利用双向自回归变换器(Bidirectional and Auto-Regressive Transformers,BART)模型进行解码以生成问句.此外,为了减轻曝光偏差问题,本文引入了生成对抗模仿学习对问句生成模型进行训练.其中,所采用的判别器通过模仿标记数据自适应地学习奖励函数,并指导问句生成模型探索潜在问题空间中的高奖励区域.本文在三个广泛使用的数据集上进行了大量实验,结果表明所提出的框架具有显著的有效性.
展开更多
关键词
问句生成(
kgqg
)
知识图谱(KG)
文本生成
曝光偏差
生成对抗模仿学习
在线阅读
下载PDF
职称材料
题名
面向知识图谱的二阶段复杂问句生成框架
1
作者
张琨
王元卓
仇韫琦
白龙
江旭晖
侯坤
岑建何
沈华伟
程学旗
机构
中国科学院计算技术研究所数据智能系统研究中心
中国科学院大学计算机科学与技术学院
中科大数据研究院
中国科学院计算技术研究所网络数据科学与技术重点实验室
北京工商大学计算机与人工智能学院
出处
《电子学报》
北大核心
2025年第6期2104-2117,共14页
基金
河南省重点研发专项(No.241111211900)
国家自然科学基金(No.62172393,No.U1836206,No.U21B2046)
河南省中原人才计划(No.204200510002)。
文摘
面向知识图谱的问句生成(Question Generation over Knowledge Graph,KGQG)任务是根据知识图谱(Knowledge Graph,KG)子图生成自然语言问句.现有方法通常是直接将实例化的KG子图转换为问句,并且大多采用教师强制(Teacher-Forcing)的训练策略.然而,当前方法仍然面临两个主要挑战:(1)实例化的KG子图缺乏确定性查询意图的整合,导致输入与目标输出之间存在语义歧义现象;(2)采用教师强制训练策略训练的生成模型在推理阶段存在曝光偏差问题.为了缓解语义歧义带来的挑战,本文提出了一个复杂问句生成框架,其包括两个阶段,即事实-查询和查询-问句生成阶段.在第一阶段,本文设计了一个查询图生成器,将KG子图转换为具有不同查询意图的查询图.在第二阶段,本文提出了一个问句生成模型,该模型利用密集连接图卷积网络(Densely Connected Graph Convolutional Network,DCGCN)对查询图进行编码,并利用双向自回归变换器(Bidirectional and Auto-Regressive Transformers,BART)模型进行解码以生成问句.此外,为了减轻曝光偏差问题,本文引入了生成对抗模仿学习对问句生成模型进行训练.其中,所采用的判别器通过模仿标记数据自适应地学习奖励函数,并指导问句生成模型探索潜在问题空间中的高奖励区域.本文在三个广泛使用的数据集上进行了大量实验,结果表明所提出的框架具有显著的有效性.
关键词
问句生成(
kgqg
)
知识图谱(KG)
文本生成
曝光偏差
生成对抗模仿学习
Keywords
question
generation
over
knowledge
graph
(
kgqg
)
knowledge
graph
(KG)
text
generation
exposure bias
generative adversarial imitation learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TP182 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向知识图谱的二阶段复杂问句生成框架
张琨
王元卓
仇韫琦
白龙
江旭晖
侯坤
岑建何
沈华伟
程学旗
《电子学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
