李翔宇基于graph transformer的自然语言答案生成的论文Natural Answer Generation via Graph Transformer被APWeb-WAIM2020接收

传统的QA系统倾向于直接返回答案实体，而更用户友好的方式是生成流畅的自然语言答案句子（NAG，Natural Answer Generation）。受限于简单的检索和编码机制，以前的工作在处理复杂问题时存在知识缺失、实体歧义和表达能力不强等问题。本文提出一种改进的从知识库中提取支持子图的方法，和考虑了全局/变量信息的改进的graph transformer模型，后者加入了实体间的路径信息用于attention计算。通过在电影领域数据集上的测试，本文的模型可以为复杂问题提供自然语言回答，评测指标高于以往工作。