融合异构知识进行常识问答

论文标题 —— 《Graph-Based Reasoning over Heterogeneous External Knowledge for Commonsense Question Answering》
论文来源
论文代码

任务介绍

任务概述

以CSQA（常识问答）为例，针对未提及背景知识的问题，要求考虑背景知识并作出回答

任务形式

输入：问题Q=q_1 q_2⋯q_m和包含n个答案的候选答案集合A={a_1,a_2,⋯,a_n}
目标：从候选集合中选出正确答案
评价指标：准确率

面临的问题

• 在与问题相关的背景知识中如何获取evidence信息（抽取三元组，为知识源构建图）

• 如何基于获取到的evidence信息做出预测（图表示学习+图推理来解决）

解决方案

从外部知识库抽取evidence

方法

1. 人工标注——耗时耗力耗财

2. 仅从同构（结构化/非结构化）知识源中抽取evidence——没有同时利用不同来源的知识，得到的evidence可能不够全面

3. 融合结构化与非结构化知识库中的知识，例如融合结构化的ConceptNet库和纯文本的Wikipedia库，并从中抽取evidence

具体实施

从ConceptNet中抽取

1. 在ConceptNet中确定不同的问题和选项中出现的实体；

2. 从ConceptNet中抽取从问题中的实体到候选中的实体的路径（小于 3 hops）

从Wikipedia中抽取

1. 使用 Spacy 从中抽取出 107M 个句子，并用 Elastic Search 工具构建句子索引；

2. 对于每个训练样例，去除问句和候选中的停用词，然后将所有词串联，作为检索查询 ；

3. 使用 Elastic 搜索引擎 在检索查询和所有句子之间进行排序，选择出 top-K 个句子作为 Wikipedia 提供的证据信息（在实验中 K=10）；

为每个知识源构建图

方法

1. 对于ConceptNet库，用其自身的三元组即可

2. 对于Wikipedia库，通过语义角色标注SRL(semantic role labeling)来抽取句子中的三元组

具体实施

构建ConceptNet图

1. 把从ConceptNet中抽取出的路径拆分成三元组的形式，将每个三元组看做一个节点，融合到图中；对于含有相同实体的三元组，给图中对应到的节点加上一条边；

2. 为了获取ConceptNet中节点的上下文词表示，将三元组根据关系模板转化为自然语言语句；

构建Wikipedia图

1. 使用SRL抽出句子中的每个谓词的论元，谓词和论元作为节点，它们之间的关系作为边

2. 同样地，为了增强构建图的连通性，基于两条给定的规则进行节点a,b之间的加边：

   • b 中包含 a 且 a 的词数大于3
   • a 与 b 仅有一个不同的词，并且 a 和 b 包含的词数都大于3

编码图信息、聚集evidence信息

具体实施

1. 利用Topology Sort算法，根据知识抽取部分得到的图结构,对evidence句的顺序进行重排；
   利用得到的图的结构，通过重定义evidence词之间的相对位置，来让语义相关的词的相对位置更加接近；
   利用evidence内部的关系结构获取更好的上下文表示；

2. 排好顺序的从ConceptNet库、Wikipedia库中抽出的evidence句、问题、所有选项
   以上4个部分的串接，在使用了[sep]进行分隔后，作为XLNet的输入进行编码

进行最终的预测

具体实施

• 把两个evidence图看作一个无向图，利用GCN对知识图和XLNet编码提供的问答+evidence的词级向量表示，来进行编码来获得节点层次的表示

• evidence传播：

  • 从邻居节点聚集信息；
  • 组合、更新节点表示

• 利用图注意力网络对经过GCN得到的节点表示以及XLNet的input表示进行处理，聚集图级别的表示，进而进行最终的预测打分

重点模块及方法阐述

SRL

语义角色标注（Semantic Role Labeling，SRL）以句子的谓词为中心，不对句子所包含的语义信息进行深入分析，只分析句子中各成分与谓词之间的关系，即句子的谓词（Predicate）- 论元（Argument）结构。并用语义角色来描述这些结构关系，是许多自然语言理解任务（如信息抽取，篇章分析，深度问答等）的一个重要中间步骤。在研究中一般都假定谓词是给定的，所要做的就是找出给定谓词的各个论元和它们的语义角色。

ConceptNet

ConceptNet：常识知识库，它以三元组形式的关系型知识构成。

ElaticSearch

ElasticSearch：一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，是当前流行的企业级搜索引擎。

Topology Sort

• 处理ConceptNet

  将三元组转化为自然语句，例如，(mammals, HasA, hair) -> mammals has hair
  

• 处理Wikipedia

  以evidence句作为句子图中的节点来构建句子图，如果在构建wikipedia图的过程中，节点p和q分别在句子s和t中，则为句子图中的代表两个相应句子的节点添加一条边。
  利用拓扑排序算法对这些构建的句子图中的节点进行排序。
  

XLNET

使用XLNet而不采用BERT的原因，总结起来有以下几点：

• BERT训练数据和测试数据之间的不一致性，这也叫作Discrephancy。当我们训练BERT的时候，
  会随机的Mask掉一些单词的，但实际上在使用的过程当中，我们却没有MASK这类的标签，
  所以这个问题就导致训练的过程和使用（测试）的过程其实不太一样，这是一个主要的问题。

• BERT并不能用来生成数据。由于BERT本身是依赖于DAE的结构来训练的，所以不像那些基于语言模型训练出来的模型具备很好地生成能力。
  之前的方法比如NNLM，ELMo是基于语言模型生成的，所以用训练好的模型可以生成出一些句子、文本等。
  但基于这类生成模型的方法论本身也存在一些问题，因为理解一个单词在上下文里的意思的时候，语言模型只考虑了它的上文，而没有考虑下文！

基于这些BERT的缺点，学者们提出了XLNet, 而且也借鉴了语言模型，还有BERT的优缺点。具体做法如下：

• 首先，生成模型是单向的，即便我们使用Bidirectional LSTM类模型，其实本质是使用了两套单向的模型。
  通过使用permutation language model, 也就是把所有可能的permutation全部考虑进来。

• 另外，为了迎合这种改变，他们在原来的Transformer Encoder架构上做了改进，引入双流注意力机制,
  而且为了更好地处理较长的文本，进而使用的是Transformer-XL。

GCN

图卷积神经网络，实际上跟CNN的作用一样，就是一个特征提取器，只不过它的对象是图数据（结构十分不规则，数据不具有平移不变性，
这让适用于处理图片、语言这类欧氏空间数据的传统的CNN、RNN瞬间失效）。

GCN精妙地设计了一种从图数据中提取特征的方法，从而让我们可以使用这些特征去对图数据进行节点分类
（node classification）、图分类（graph classification）、边预测（link prediction），还可以顺便得到图的嵌入表示（graph embedding）。

在Step 4对evidence图进行编码的过程，实际上就相当于对图数据进行了特征的提取。

GCN也是一个神经网络层，层与层之间的传播方式如下（利用了拉普拉斯矩阵）：

需要说明的是

\(\tilde{A}=A+I\)为图的邻接矩阵，I为单位阵。
\(\tilde{D}\) 为 \(\tilde{A}\) 的度矩阵。\(H\) 为每一层的特征。对于输入层 \(H=X\).

若构造一个两层的GCN来进行分类任务，激活函数分别采用ReLU和softmax，则整体的正向传播公式为：

上图中的GCN输入一个图，通过若干层GCN每个node的特征从X变成了Z，但是，无论中间有多少层，node之间的连接关系，即A，都是共享的。

GCN的特别之处：即使不训练，完全使用随机初始化的参数W，GCN提取出来的特征就已经非常优秀了！

GAT

和所有的attention mechanism一样，GAT的计算也分为两步走：

1. 计算注意力系数；对于顶点i，注意计算它与它的邻接节点的相似系数

   \[e_{i j}=a\left(W \overrightarrow{h_{i}}, W \overrightarrow{h_{j}}\right) \]

   其中共享参数W的线性映射给顶点的特征进行了增强，a(·)把拼接后的高维特征映射到一个实数上，
   这个过程一般通过一个单层的前馈神经网络来实现.对相关系数用softmax进行归一化便得到了注意力系数。
   要理解计算过程可见下图。

   

2. 加权求和。把计算好的注意力系数进行加权求和，加上多头机制进行增强
   

GCN与GAT的异同

• 同：GCN与GAT都是将邻居顶点的特征聚合到中心顶点上（一种aggregate运算），利用graph上的局部平稳性学习新的顶点特征表达。
• 异：GCN利用了拉普拉斯矩阵，GAT利用attention系数。

为什么要融合异构知识源？

• 结构化知识 (Structured Knowledge Source)：包含大量的三元组信息（概念及其之间的关系），利于推理，但是存在覆盖度低的问题；
• 非结构化知识 (Unstructured Knowledge Source)：即 Plain-Text，包含大量冗余的、覆盖范围广的信息，可以辅助/补充结构化知识；

在结构化知识和非结构化知识的协同作用下，模型选出了最佳答案。