Yinnian Lin’s paper about knowledge-graph-based natural language question answering, Deep-gAnswer: A Knowledge Based 

Question Answering System, has been accepted by APWEB-WAIM 2021.

    Knowledge graph is a structural representation of entities and their relationship in the real world. Recently, knowledge-graph-based 

natural language question answering (KBQA) has been a hot topic in NLP. A KBQA solution usually consist of entity recognizing, relation 

detection, query path generation and result fetching.

    This paper is based on our former work gAnswer. gAnwer relies on heuristic rules and priori knowledge for entity recognizing and 

relation detection. In the paper the authors exploit the possibility for large-scale pre-trained DNN models to boost entity recognizing 

and relation detection, replacing the toolkit used in gAnswer system. Accuracy of the two procedure is greatly improved.