【清华大学】利用知识增强的图神经网络进行多段推理，Multi-Paragraph Reasoning with Knowledge-enhanced Graph Neural Network

论文摘要： Multi-paragraph推理对于open-domain问答(OpenQA)是必不可少的,尽管在当前的OpenQA系统中受到的关注较少。在这项工作中,我们提出一个知识增强图神经网络(KGNN),使用实体对多个段落进行推理。为了显式地捕捉到实体的关系,KGNN利用关系事实知识图谱构建实体图谱。实验结果表明，与HotpotQA数据集上的基线方法相比，KGNN在分散注意力和完整的wiki设置方面都有更好的表现。我们进一步的分析表明，KGNN在检索更多的段落方面是有效和具有鲁棒性的。