论文浅尝 | 用于多文档问答的知识图谱提示（AAAI2024）

主要观点总结

本文介绍了华尹等人针对多文档问答（MD-QA）任务提出的知识图提示（Knowledge Graph Prompting, KGP）方法。该方法旨在解决现有工作中对多文档间关联信息利用不足的问题。文章详细描述了KGP方法的动机、贡献、方法、实验和总结。

关键观点总结

关键观点1: 动机

大型语言模型（LLM）在开放域问答和单文档问答中取得了显著成功，但如何将这一范式推广到多文档问答场景成为一个亟待解决的难题。

关键观点2: 贡献

提出了一种知识图提示（KGP）方法，从显式编码跨文档逻辑关联、在图上的自适应遍历和整合多模态文档结构三个角度解决问题。

关键观点3: 方法

知识图构建是整个方法的基石，将文档结构建模为图节点，以词汇和语义相似度以及结构关系构建知识图。智能体检索与LLM推理使用Agent在知识图中自适应遍历检索。

关键观点4: 实验

在多个数据集上进行实验，结果表明KGP-T5在MD-QA任务上表现优异，并且使用不同的LLM作为Agent在不同的数据集上表现稳定。

关键观点5: 总结

KGP方法将预训练、提示与预测范式与图结构遍历有机结合，为多文档、多模态场景下的问答任务提供了新思路和实用框架。

免责声明