李彦增的论文《CORD: A Three-Stage Coarse-to-Fine Framework for Relation Detection in Knowledge Base Question Answering》被CIKM 2023接收。
作为知识库问题回答（KBQA）的基础子任务，关系检测（KBQA-RD）在检测自然语言问题中的实体或变量之间的关系（对应到知识库中的边）方面发挥着重要作用。即使到现在，它仍然是一个具有挑战性的任务，特别是对于显著的大规模关系和存在易混淆关系的情况，已有的KBQA-RD方法往往只考虑表面上的语义关系与特征，难以应对这种场景。本文提出了一个简单高效的从粗粒度到细粒度的3阶段框架，具体来说，本工作首先对所有知识库关系进行自然聚类，并基于关系聚类组合进行粗排与细粒度分类。通过这种方式，本工作提出的框架精炼了KBQA-RD的整体流程，可以很好地扩展到大规模关系集合。在SimpleQuestions和WebQSP等基准测试集上的实验表明，本方法不仅能在KBQA-RD子任务中取得优秀的性能，而且可以有效提升KBQA系统的整体准确率。