摘要
补充材料
Sören Auer、Christian Bizer、Georgi Kobilarov、Jens Lehmann、Richard Cyganiak和Zachary Ives。 2007年,DBpedia:开放数据网络的核心。 在Sem.Web中。 谷歌学者 Danqi Chen、Adam Fisch、Jason Weston和Antoine Bordes。 2017.阅读维基百科回答开放域问题。 在ACL中。 谷歌学者 陈文虎、张明伟、伊娃·施林格、王威廉和威廉·科恩。 2021.在表格和文本上进行开放式问答。 在ICLR中。 谷歌学者 陈文虎、查汉文、陈志宇、熊文翰、王红和王威廉。 2020年b.HybridQA:基于表格和文本数据的多题回答数据集。 在EMNLP中。 谷歌学者 于晨、吴凌飞和穆罕默德·扎基。 2020年a.图形流:利用图形神经网络开发对话流,用于对话机器理解。 在IJCAI。 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)和格哈德·魏库姆(Gerhard Weikum)。 2022.超越NED:通过知识库快速有效地减少复杂问题的搜索空间。 在WSDM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)。 2019.三思而后行:通过明智的上下文扩展,在知识图上回答对话式问题。 在CIKM中。 谷歌学者 艾哈迈德·埃尔戈哈里(Ahmed Elgohary)、丹尼斯·佩斯科夫(Denis Peskov)和乔丹·博伊德·格拉伯(Jordan Boyd-Graber)。 2019.你能打开它吗? 学习在上下文中重写问题。 在EMNLP-IJCNLP中。 谷歌学者 郭大亚、唐杜玉、南段、周明和尹建军。 2018.对话-行动:通过大型知识库进行对话式问答。 在NeurIPS中。 谷歌学者 马尼什·古普塔和迈克尔·本德斯基。 2015年,使用详细查询进行信息检索。 在SIGIR中。 谷歌学者 Darryl Hannan、Akshay Jain和Mohit Bansal。 2020年,ManyModalQA:模态消歧和不同输入的QA。 AAAI第34卷。 谷歌学者 交叉引用 黄新元、蔡恩索和叶文涛。 2018.FlowQA:掌握对话机器理解的历史潮流。 在ICLR中。 谷歌学者 Mohit Iyyer、Wen-tau Yih和Ming Wei Chang。 2017.用于顺序问题回答的基于搜索的神经结构学习。在ACL中。 谷歌学者 戈蒂尔·伊扎卡德和埃杜亚德·格雷夫。 2021.利用通道检索和生成模型回答开放领域问题。EACL。 谷歌学者 Zhen Jia、Soumajit Pramanik、Rishiraj Saha Roy和Gerhard Weikum。 2021.知识图谱上的复杂时间问答。 在CIKM中。 谷歌学者 Hideaki Joko、Faegheh Hasibi、Krisztian Balog和Arjen P de Vries。 2021.对话实体链接:问题定义和数据集。 在SIGIR中。 谷歌学者 恩德里·卡库帕吉(Endri Kacupaj)、琼·普莱皮(Joan Plepi)、库尔德普·辛格(Kuldeep Singh)、哈什·塔卡尔(Harsh Thakkar)、延斯·莱曼(Jens Lehmann)和玛丽亚·马列什科娃。 2021.使用变压器和图形注意网络在知识图上回答对话问题。 在EACL中。 谷歌学者 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 Magdalena Kaiser、Rishiraj Saha Roy和Gerhard Weikum。 2021.通过知识图进行对话问答改革的强化学习。 在SIGIR中。 谷歌学者 Vineet Kumar和Sachindra Joshi。 2017.使用基于检索的序列到序列学习进行不完整的后续问题解决。 在SIGIR中。 谷歌学者 蓝云石和江靖。 2021.对话知识库问题回答的焦点实体模型转换。ACL。 谷歌学者 弗拉基米尔·列文斯坦等人。 1966.能够纠正删除、插入和反转的二进制代码。 在苏联物理学界,这是一个愚蠢的说法。 谷歌学者 迈克·刘易斯(Mike Lewis)、刘银汉(Yinhan Liu)、纳曼·戈亚尔(Naman Goyal)、马詹·加兹维尼尼亚德(Marjan Ghazvininejad)、阿卜杜勒拉赫曼·穆罕默德(Abdelrahman Mohamed)、奥马尔·利维(Omer Levy)、韦。 2020年。BART:针对自然语言生成、翻译和理解的序列对序列去噪预训练。 在ACL中。 谷歌学者 马开新(Kaixin Ma)、郝成(Hao Cheng)、刘晓东(Xiaodong Liu)、艾瑞克·尼伯格(Eric Nyberg)和高剑锋(Jianfeng Gao)。 2022.使用统一知识接口进行开放领域问题解答。 在ACL中。 谷歌学者 皮埃尔·马里恩(Pierre Marion)、帕韦·克尔兹托夫·诺瓦克(PawełKrzysztof Nowak)和弗朗西斯科·皮奇诺(Francesco Piccinno)。 2021.结构化语境和知识图上对话问答的高覆盖语法。 在EMNLP中。 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EMNLP-IJCNLP中。 谷歌学者 Barlas Ouguz、Xilun Chen、Vladimir Karpukhin、Stan Peshterliev、Dmytro Okhonko、Michael Schlichtkrull、Sonal Gupta、Yashar Mehdad和Scott Yih。 2021.UniK-QA:开放领域问题解答结构化和非结构化知识的统一表示。 arXiv(2021)。 谷歌学者 琼·普列皮(Joan Plepi)、恩德里·卡库帕吉(Endri Kacupaj)、库尔德普·辛格(Kuldeep Singh)、哈什·塔卡尔(Harsh Thakkar)和延斯·莱曼(Jens Lehmann)。 2021.使用堆叠指针网络的上下文转换器在知识图上进行对话式问题解答。 在ESWC中。 谷歌学者 Soumajit Pramanik、Jesujoba Alabi、Rishiraj Saha Roy和Gerhard Weikum。 2021.UNIQORN:基于RDF知识图和自然语言文本的统一问答。 arXiv(2021)。 谷歌学者 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.对话式问题回答的强化历史回溯。AAAI,第35卷。 谷歌学者 交叉引用 陈曲、刘洋、岑晨、邱明慧、W Bruce Croft和Mohit Iyyer。 2020.开放检索对话式问答。在SIGIR中。 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 科林·拉斐尔(Colin Raffel)、诺姆·沙泽尔(Noam Shazeer)、亚当·罗伯茨(Adam Roberts)、凯瑟琳·李(Katherine Lee)、莎兰·纳朗(Sharan Narang)、迈克尔·马泰纳(Michael Matena)、周燕琪(Yanqi Zhou)、李伟。 2020年。使用统一的文本对文本转换器探索迁移学习的局限性。 JMLR(2020)。 谷歌学者 Gonccalo Raposo、Rui Ribeiro、Bruno Martins和Luísa Coheur。 2022.问题改写? 在ECIR中评估其对对话式问题回答的重要性。 谷歌学者 Siva Reddy、Danqi Chen和Christopher Manning。 2019.CoQA:对话式问答挑战。 TACL(2019年)。 谷歌学者 斯蒂芬·罗伯逊和雨果·萨拉戈萨。 2009年,《概率相关性框架:BM25及其后》。 信息检索基础与趋势(2009)。 谷歌学者 斯蒂芬·罗勒(Stephen Roller)、艾米丽·迪南(Emily Dinan)、纳曼·戈亚尔(Naman Goyal)、达朱(Da Ju)、玛丽·威廉姆森(Mary Williamson)、刘银汉(Yinhan Liu)、徐静(Jing Xu)、迈尔·奥特(Myle Ott)、埃。 2021.构建开放域Chatbot的方法。 在EACL中。 谷歌学者 Rishiraj Saha Roy和Avishek Anand。 2021.网站策划的问答:知识库和文本集问答中的任务和方法。 Morgan&Claypool出版社。 谷歌学者 Amrita Saha、Vardaan Pahuja、Mitesh 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中。 谷歌学者 丹尼斯·萨文科夫(Denis Savenkov)和尤金·阿基斯坦(Eugene Agichtein)。 2016年,当知识库不够时:使用外部文本数据对知识库进行问答。 在SIGIR中。 谷歌学者 尚明月、王彤、米哈伊尔·埃里克、陈江宁、王济阳、马修·韦尔奇、邓天童、阿克谢·格雷瓦尔、王翰、刘岳等。 2021.开放域对话中的实体解析。 在NAACL中。 谷歌学者 沈涛、耿秀波、秦涛、郭大雅、唐杜玉、南段、龙国栋和蒋大新。 2019.在大规模知识库上进行会话问答的多任务学习。 在EMNLP-IJCNLP中。 谷歌学者 斯诚磊(Chenglei Si)、赵晨(Chen Zhao)和乔丹·博伊德·格雷伯(Jordan Boyd-Graber)。 名字里有什么? EMNLP中开放域问题答案的等价性。 谷歌学者 Fabian Suchanek、Gjergji Kasneci和Gerhard Weikum。 2007年。YAGO:语义知识的核心。 在WWW中。 谷歌学者 数字图书馆 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 海地太阳、Bhuwan Dhingra、Manzil Zaheer、Kathryn Mazaitis、Ruslan Salakhutdinov和William Cohen。 2018.使用知识库和文本的早期融合进行开放领域问题解答。 在EMNLP中。 谷歌学者 Alon Talmor、Ori Yoran、Amnon Catav、Dan Lahav、Yichong Wang、Akari Asai、Gabriel Ilharco、Hannaneh Hajishirzi和Jonathan Berant。 2021.MultiModalQA:基于文本、表格和图像的复杂问题解答。 在ICLR中。 谷歌学者 詹姆斯·索恩(James Thorne)、马吉德·亚兹达尼(Majid Yazdani)、马齐埃·萨伊迪(Marzieh Saeidi)、法布里齐奥·西尔维斯特里(Fabrizio Silvestri)、塞巴斯蒂安·里德尔(Sebastian Riedel)和阿隆·。 2020年,神经数据库。 arXiv(2020)。 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 Nikos Voskarides、Dan Li、Pengjie Ren、Evangelos Kanoulas和Maarten de Rijke。 2020年。在有限监督下进行对话搜索的查询解决方案。 在SIGIR中。 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(2014)。 谷歌学者 熊文翰、莫玉、张世玉、郭晓晓和王威廉。 2019.使用知识软件阅读器改进不完整知识库的问题解答。 在ACL中。 谷歌学者 徐坤(Kun Xu)、红蒂(Siva Reddy)、冯燕松(Yansong Feng)、黄松芳(Songfang Huang)和赵东燕(Dongyan Zhao)。 2016年,通过关系提取和文本证据在Freebase上回答问题。 在ACL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 朱凤斌、雷文强、黄友成、王超、张硕、吕建成、冯富丽和蔡达生。 2021.TAT-QA:金融表格和文本内容混合的问答基准。 在ACL中。 谷歌学者 David Ziegler、Abdalghani Abujabal、Rishiraj Saha Roy和Gerhard Weikum。 2017.使用答案类型预测的效率软件对合成问题的回答。 在IJCNLP中。 谷歌学者
建议
异质源上可解释的会话问题解答 SIGIR’22:第45届国际ACM SIGIR信息检索研究与开发会议记录 最先进的对话式问答(ConvQA)在同类信息源上运行:要么是知识库(KB),要么是文本语料库,要么是表集合。 这固有地限制了ConvQA系统的答案覆盖范围。。。 基于迭代图神经网络的异构源上可解释对话问答 SIGIR’23:第46届国际ACM SIGIR信息检索研究与开发会议记录 在对话式问答中,用户通过一系列语境不完整的话语表达自己的信息需求。 典型的ConvQA方法依赖于单个源(知识库(KB)、文本语料库或一组表),因此。。。 基于异质源的可信时间问题解答 WWW’24:2024年ACM网络会议记录 临时问答(QA)涉及时间限制,如“2019年……”或“……在冠肺炎之前”。 在前者中,时间是一个显式条件,在后者中,时间则是一个隐式条件。 最先进的方法在以下三个方面有局限性。。。