摘要
补充材料
Abdalghani Abujabal、Rishiraj Saha Roy、Mohamed Yahya和Gerhard Weikum。 2017.QUINT：基于知识库的可解释问答。 在EMNLP中。 谷歌学者 
Abdalghani Abujabal、Rishiraj Saha Roy、Mohamed Yahya和Gerhard Weikum。 2018.通过知识库进行开放领域问答的永无止境的学习。 在WWW中。 谷歌学者 Raviteja Anantha、Svitlana Vakulenko、Zhuyeng Tu、Shayne Longpre、Stephen Pulman和Srinivas Chappidi。 2020年。开放域问答通过问题改写实现对话。 在arXiv。 谷歌学者 汉娜·巴斯特和埃尔玛·奥斯曼。 2015年，在Freebase上更准确地回答问题。 在CIKM中。 谷歌学者 乔纳森·贝兰特、安德鲁·周、罗伊·弗罗斯蒂格和珀西·梁。 2013.基于问答对的Freebase语义分析。 在EMNLP中。 谷歌学者 乔纳森·贝兰特和珀西·梁。 2014.通过释义进行语义分析。 在ACL中。 谷歌学者 尼基塔·不丹（Nikita Bhutani）、郑欣怡（Xinyi Zheng）和HV Jagadish。 2019.学习使用查询组合回答知识库中的复杂问题。 在CIKM中。 谷歌学者 Christian Buck、Jannis Bulian、Massimiliano Ciaramita、Wojciech Gajewski、Andrea Gesmundo、Neil Houlsby和Wei Wang。 2018.提出正确的问题：通过强化学习重新制定主动问题。 在ICLR中。 谷歌学者 Jon Ander Campos、Kyunghyun Cho、Arantxa Otegi、Aitor Soroa、Eneko Agire和Gorka Azkune。 2020年。使用反馈加权学习改进部署后的对话式问答系统。 在COLING中。 谷歌学者 Youjin Chang、Iadh Ounis和Minkoo Kim。 2006.使用从文档空间自动生成的查询概念重新设置查询。 IP&M，第42卷，第2卷（2006年）。 谷歌学者 蔡恩索尔、何贺、莫希特·伊耶、马克·亚茨卡、文涛·义、蔡叶锦、梁佩西和卢克·泽特莫耶。 2018年，QuAC：上下文中的问答。 在EMNLP中。 谷歌学者 菲利普·克里斯特曼（Philipp Christmann）、里希拉杰·萨哈·罗伊（Rishiraj Saha Roy）、阿卜杜勒加尼·阿布贾巴尔（Abdalghani Abujabal）、乔茨纳·辛格（Jyotsna Singh）和格哈德·威库姆（Gerhard Weikum）。 2019.Look before you Hop:Conversational Question Answering over Knowledge Graphs Using Judicious Context Expansion跳之前看：运用明智的上下文扩展在知识图上进行对话式问答。 在CIKM中。 谷歌学者 Van Dang和Bruce W Croft。 2010.使用锚文本查询重新制定。 在WSDM中。 谷歌学者 Rajarshi Das、Shehzaad Dhuliawala、Manzil Zaheer和Andrew McCallum。 2019.可扩展开放域问答的多步骤检索器-阅读器交互。在ICLR中。 谷歌学者 拉贾西·达斯（Rajarshi Das）、谢赫扎德·杜利亚瓦拉（Shehzaad Dhuliawala）、曼齐尔·扎赫尔（Manzil Zaheer）、卢克·维尼斯（Luke Vilnis）、伊斯汉·杜鲁加尔（Ishan Durugkar）、阿克谢·克里希纳穆西（Akshay Krishnamurthy。 2018.去散步，找到答案：使用强化学习对知识库中的路径进行推理。 在ICLR中。 谷歌学者 Rajarshi Das、Manzil Zaheer、Siva Reddy和Andrew McCallum。 2017.使用通用模式和记忆网络的知识库和文本问答。 在ACL中。 谷歌学者 雅各布·德夫林（Jacob Devlin）、张明伟（Ming Wei Chang）、肯顿·李（Kenton Lee）和克里斯蒂娜·图塔诺娃（Kristina Toutanova）。 2019.BERT：针对语言理解的深层双向变压器的预培训。 在NAACL-HLT中。 谷歌学者 李东、乔纳森·马林森、西瓦·雷迪和米雷拉·拉帕塔。 2017年，EMNLP中的问题回答释义学习。 谷歌学者 Mohnish Dubey、Debayan Banerjee、Abdelrahman Abdelkawi和Jens Lehman。 2019.LC-QuAD 2.0：通过Wikidata和DBpedia进行复杂问题解答的大型数据集。 在ISWC中。 谷歌学者 安东尼·法德（Anthony Fader）、卢克·泽特莫耶（Luke Zettlemoyer）和奥伦·埃齐奥尼（Oren Etzioni）。 2013年。ACL中开放式问题回答的释义驱动学习。 谷歌学者 米哈伊尔·高尔金（Mikhail Galkin）、普里扬什·特里维迪（Priyansh Trivedi）、高拉夫·马赫什瓦里（Gaurav Maheshwari）、里卡多·乌斯贝克（Ricardo Usbeck）和延斯·莱曼（Jens Lehmann）。 2020年，超相关知识图的信息传递。 在EMNLP中。 谷歌学者 弗雷德里克·戈丁（Fréderic Godin）、安吉什努·库马尔（Anjishnu Kumar）和阿皮特·米塔尔（Arpit Mittal）。 2019.学习何时不回答：基于强化学习的问题回答的三元奖励结构。NAACL-HLT。 谷歌学者 郭大亚、唐杜玉、南段、周明和尹建军。 2018.对话-行动：通过大规模知识库进行对话式问答。 在NeurIPS中。 谷歌学者 Somil Gupta和Neeraj Sharma。 2021.注意历史选择在会话信息寻求中的作用。 在arXiv。 谷歌学者 艾哈迈德·哈桑（Ahmed Hassan）、史晓林（Xiaolin Shi）、尼克·克拉斯韦尔（Nick Crashwell）和比尔·拉姆齐（Bill Ramsey）。 2013.超越点击：查询重新制定作为搜索满意度的预测指标。 在CIKM中。 谷歌学者 Daniel Hernández、Aidan Hogan和Markus Krötzsch。 2015.Reifying RDF：Wikidata的优势是什么？。 在ISWC中。 谷歌学者 小黄、张靖远、李定成和李萍。2019年。 WSDM中基于知识图嵌入的问答。 谷歌学者 伯纳德·詹森（Bernard J Jansen）、丹妮尔·布思（Danielle L Booth）和阿曼达·斯宾克（Amanda Spink）。 2009年。网络搜索期间查询重新设置的模式。 JASIST，第60卷，第7卷（2009年）。 谷歌学者 交叉引用 
托尔斯滕·约阿希姆斯（Thorsten Joachims）、劳拉·格兰卡（Laura Granka）、宾·潘（Bing Pan）、海伦·亨布罗克（Helene Hembrooke）、菲利普·拉德林斯基（Filip Radlinski）和杰里·盖伊。 2007.评估网络搜索中点击和查询重新设置的隐式反馈的准确性。 TOIS，第25卷，第2期（2007年）。 谷歌学者 数字图书馆 
Magdalena Kaiser、Rishiraj Saha Roy和Gerhard Weikum。 2020年。利用单词邻近网络在文章中回答对话问题。 在SIGIR中。 谷歌学者 Diederik P.Kingma和Jimmy Ba.2015年。 亚当：一种随机优化方法。 在ICLR中。 谷歌学者 伯恩哈德·克拉茨瓦尔德（Bernhard Kratzwald）和斯特凡·费尔里格尔（Stefan Feuerriegel）。 2019.学习网上神经问题解答中的在线用户反馈。 在WWW中。 谷歌学者 Jyoti Leeka、Srikanta Bedathur、Debajyoti Bera和Medha Atre。 2016.Quark-X：RDF四店的高效top-k处理框架。 在CIKM中。 谷歌学者 Belinda Z.Li、Sewon Min、Srinivasan Iyer、Yashar Mehdad和Wen-tau Yih。 2020年。高效的一通端到端实体链接问题。 在EMNLP中。 谷歌学者 习维多莉亚·林（Xi Victoria Lin）、理查德·索彻（Richard Socher）和熊彩铭（Caiming Xiong）。 2018年。多点知识图推理与奖励形成。 在EMNLP中。 谷歌学者 刘银汉（音）、米勒·奥特（Myle Ott）、纳曼·戈亚尔（Naman Goyal）、杜敬飞（Jingfei Du）、曼达尔·乔希（Mandar Joshi）、陈丹奇（Danqi Chen）、奥马尔·利维（Omer Levy）、迈克·刘易斯（Mike Lewis）、卢克·泽特莫耶（Luke Zettlemoyer）和韦塞林·斯托亚诺夫（Veselin Stoyanov）。 2019.RoBERTa：稳健优化的BERT预训练方法。 在arXiv。 谷歌学者 陆晓璐（Xiaolu Lu）、苏马吉特·普拉马尼克（Soumajit Pramanik）、里希拉吉·萨哈·罗伊（Rishiraj Saha Roy）、阿卜杜勒加尼·阿布贾巴尔（Abdalghani Abujabal）、王亚芳（Yafang Wang）和格。 2019.通过将多文档证据与准知识图结合来回答复杂问题。 在SIGIR中。 谷歌学者 Volodymyr Mnih、Koray Kavukcuoglu、David Silver、Andrei A Rusu、Joel Veness、Marc G Bellemare、Alex Graves、Martin Riedmiller、Andreas K Fidjeland、Georg Ostrovski等，2015年。 通过深度强化学习进行人性化控制。 《自然》，第5187540卷（2015年）。 谷歌学者 托马斯·米勒、弗朗西斯科·皮奇诺、彼得·肖、马西莫·尼科西亚和亚塞米·阿尔顿。 2019.回答无逻辑形式的结构化数据对话问题。 在CIKM中。 谷歌学者 Vinh Nguyen、Olivier Bodenreider和Amit Sheth。 2014.不喜欢RDF具体化？ 使用singleton属性生成有关语句的语句。 在WWW中。 谷歌学者 Rodrigo Nogueira和Kyunghyun Cho。 2017.以任务为导向的查询重新制定和强化学习。 在EMNLP中。 谷歌学者 Barlas Oguz、Xilun Chen、Vladimir Karpukhin、Stan Peshterliev、Dmytro Okhonko、Michael Schlichtkrull、Sonal Gupta、Yashar Mehdad和Scott Yih。 2020年，使用结构化和非结构化知识统一开放领域问题解答。 在arXiv。 谷歌学者 弗朗切斯科·皮金诺和保罗·费拉吉纳。 2014.从TagME到WAT：一个新的实体注释器。 在ERD中。 谷歌学者 Pragaash Ponnusamy、Alireza Roshan Ghias、Chenlei Guo和Ruhi Sarikaya。 2020.大规模对话人工智能代理中基于反馈的自学习。 在IAAI（AAAI研讨会）。 谷歌学者 交叉引用 邱明慧（Minghui Qiu）、黄新静（Xinjing Huang）、岑晨（Cen Chen）、冯基（Feng Ji）、陈曲（Chen Qu）、魏伟（Wei Wei）、黄军（Jun Huang，音译）和张茵。 2021.加强对话式问题回答的历史回溯。AAAI。 谷歌学者 邱云琪、王元卓、金小龙和张坤。 2020。弱监督知识图上多关系问题回答的逐步推理。 在WSDM中。 谷歌学者 陈曲、刘洋、岑晨、邱明慧、W Bruce Croft和Mohit Iyyer。 2020年，开放检索式对话问答。SIGIR。 谷歌学者 陈曲、刘洋、邱明慧、W Bruce Croft、张永丰和Mohit Iyyer。 2019年a.BERT，嵌入历史答案，用于对话式问答。SIGIR。 谷歌学者 陈曲、刘洋、邱明慧、张永丰、岑晨、W Bruce Croft和Mohit Iyyer。 2019年b.关注对话式问答的历史选择。在CIKM中。 谷歌学者 Siva Reddy、Danqi Chen和Christopher Manning。 2019.CoQA：对话式问答挑战。 TACL，第7卷（2019）。 谷歌学者 交叉引用 Gary Ren、Ni Xiaochuan、Manish Malik和Qifa Ke.2018年。 使用序列到序列建模理解对话查询。 在WWW中。 谷歌学者 Amrita Saha、Vardaan Pahuja、Mitesh M Khapra、Karthik Sankaranarayanan和Sarath Chandar。 2018.复杂顺序问答：学习用知识图在链接的问答对上进行对话。 在AAAI。 谷歌学者 Rishiraj Saha Roy和Avishek Anand。 2020年，通过Curated和Open Web Sources进行问答。 在SIGIR中。 谷歌学者 乌玛·萨旺特（Uma Sawant）和索门·查克拉巴蒂（Soumen Chakrabarti）。 2013.学习联合查询解释和响应排名。 在WWW中。 谷歌学者 陶申、耿秀波、秦涛、郭大雅、唐杜玉、南段、龙国栋和蒋大新。 2019.基于大规模知识库的对话式问题回答多任务学习。 在EMNLP中。 谷歌学者 魏申、王建勇和韩嘉伟。 2014.与知识库链接的实体：问题、技术和解决方案。 TKDE，第27卷，第2卷（2014年）。 谷歌学者 沈业龙、陈建树、黄伯森、郭玉清和高剑锋。 2018.M-walk：学习使用蒙特卡罗树搜索遍历图。 以NIPS为单位。 谷歌学者 海地太阳、塔妮娅·贝德拉克斯·韦斯和威廉·科恩。 2019.PullNet：基于知识库和文本的迭代检索的开放领域问题解答。 在EMNLP-IJCNLP中。 谷歌学者 理查德·萨顿（Richard S.Sutton）和安德鲁·巴托（Andrew G.Barto）。 2018年，强化学习：简介。 麻省理工学院出版社。 谷歌学者 数字图书馆 阿隆·塔尔莫和乔纳森·贝兰特。 2018.网络作为回答复杂问题的知识库。 在NAALC-HLT中。 谷歌学者 Priyansh Trivedi、Gaurav Maheshwari、Mohnish Dubey和Jens Lehmann。 2017.LC-QuAD：基于知识图的复杂问题回答语料库。 在ISWC中。 谷歌学者 克里斯蒂娜·昂格（Christina Unger）、安德烈·弗雷塔斯（AndréFreitas）和菲利普·西米亚诺（Philipp Cimiano）。 2014.关于链接数据的问答介绍。 在推理网络国际暑期学校。 谷歌学者 Ricardo Usbeck、Ria Hari Gusmita、Muhammad Saleem和Axel-Cyrille Ngonga Ngomo。 2018年，第九次针对链接数据的问答挑战（QALD-9）。 在QALD中。 谷歌学者 Svitlana Vakulenko、Shayne Longpre、Zhucheng Tu和Raviteja Anantha。 2021.会话式问答的问题改写。WSDM。 谷歌学者 Denny Vrandevc ić和Markus Krötzsch。 2014年，维基数据：一个免费的协作知识库。 CACM，第57卷，第10卷（2014年）。 谷歌学者 罗纳德·威廉姆斯。 1992年。连接强化学习的简单统计梯度允许算法。 机器学习，第8卷，3-4（1992）。 谷歌学者 熊文翰（Wenhan Xiong）、黄体恩（Thien Hoang）和王威廉（William Yang Wang）。 2017.DeepPath：知识图推理的强化学习方法。 在EMNLP中。 谷歌学者 徐子汉、朱建刚、凌庚、杨洋、林伯嘉和姜大新。 2020年。学习生成可扩展对话查询理解的改革行动。 在CIKM中。 谷歌学者 Mohamed Yahya、Klaus Berberich、Shady Elbassuoni、Maya Ramanath、Volker Tresp和Gerhard Weikum。 2012.数据网络的自然语言问题。 在EMNLP中。 谷歌学者 W.Yih、M.Chang、X.He和J.Gao。 2015.通过分阶段查询图生成进行语义分析：使用知识库进行问题解答。 在ACL中。 谷歌学者 Shi Yu、Jiahua Liu、Jingqin Yang、Chenyan Xiong、Paul Bennett、Jianfeng Gao和Zhiyuan Liu。 2020年，很少有生成性对话查询重写。 在SIGIR中。 谷歌学者 张新波、邹磊和胡森，2019年。 通过反馈改进问答系统的互动机制。 在CIKM中。 谷歌学者 张玉玉、戴汉军、佐尔尼萨·科扎列娃、亚历山大·斯莫拉和乐松。 2018.使用知识图进行问答的变分推理。 在AAAI。 谷歌学者
建议
基于知识图嵌入的问答 WSDM’19：第十二届ACM网络搜索和数据挖掘国际会议论文集 基于知识图的问答（QA-KG）旨在利用知识图中的事实回答自然语言问题。 它帮助最终用户更高效、更容易地访问KG中的重要知识，而无需。。。 会话问题回答的问题改写 WSDM’21：第14届ACM网络搜索和数据挖掘国际会议论文集 对话式问答（QA）要求能够在之前的对话中正确解释问题。 我们通过将会话式QA任务分解为问题重写和问题回答子任务来解决它。。。 三思而后行：运用巧妙的语境扩展在知识图上回答对话问题 CIKM’19：第28届ACM信息和知识管理国际会议记录 以事实为中心的信息需求很少是一次性的； 用户通常会提出后续问题来探索主题。 在这种对话设置中，用户的输入通常是不完整的，省略了实体或谓词，以及不合语法的短语。。。
