《表1 实验结果：基于问题生成的知识图谱问答方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于问题生成的知识图谱问答方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

使用基于语义图的深度学习模型作为实验的baseline。该模型通过建模语义图的方式将自然语言问句映射为SPARQL语句。实验结果如表1所示。表1显示了本文提出的方法与深度模型在此数据集上的效果的对比情况。从F1值上可以看到基于问句生成的知识图谱问答方法相比于深度学习模型有显著的提高。这是由于深度模型需要大量的训练样本，在无标注、少量标注数据情况下很难奏效，而本文提出的方法克服了这一缺点，无需标注数据也可以取得较好的效果。进一步补充了消融实验，消融实验的结果显示了两种微调数据给模型带来的效果提升。在LCQMC数据集上进行微调给模型带来了小幅度的提升，而使用生成的问句进行微调对模型影响较大。这说明了两个问题:预训练模型确实有助于下游任务的表现；微调时，需要选择与下游任务紧密结合的数据。