魏若荷_studynote_20201120-20201203

一、学习内容

1. 研读nlp领域有关KBQA的最新论文

   《Scalable Multi-Hop Relational Reasoning for Knowledge-Aware Question Answering》

   现有的利用知识图谱增强问答模型的工作要么难以有效地建立多跳关系，要么在模型的预测原理上缺乏透明度，本文提出了一种多跳图关系网络，为预训练语言模型配备了多跳关系推理模块，统一了基于路径的推理方法和图神经网络的方法，它可以从知识图谱提取的子图执行多跳，多关系推理。

   《Beyond I.I.D.: Three Levels of Generalization for Question Answering on Knowledge Bases》

   关于知识图谱问答的三种泛化，现有的知识图谱问答一般只能解决i.i.d，但是这篇论文建立了三个层次的内置泛化：i.i.d,compositional,zero-shot,为了增大泛化能力提出GRAILQA数据集以及基于BERT的KBQA模型。

2. 阅读白硕老师的“闲话语义（9），对“属性”进行更深一步的理解

3. 对《Scalable Multi-Hop Relational Reasoning for Knowledge-Aware Question Answering》进行代码复现。

4. 与牛润良师哥讨论常识图谱的下游任务，可能是KBQA or Commonsense Reasoning,准备ppt向白老师进行汇报。

二、下阶段计划

1. 针对白老师所说的下游任务继续推进常识图谱。