DEKCOR：使用外部知识来进行常识QA任务

Fusing Context Into Knowledge Graph for Commonsense Question Answering

论文链接：2012.04808.pdf (arxiv.org)

论文代码：https://github.com/microsoft/DEKCOR-CommonsenseQA

本文进行常识问答任务（Commonsense Question Answering），利用了外部知识源ConceptNet和Wikitionary。

如图，基本思路是通过ConceptNet检索出问题中concept到目标答案的edge，然后再通过Wikitionary检索出问题和答案的定义，最终拼在一起送给ALBERT。

这里用的数据集中会包含问题的Concept，如图，Q是Where would you find magazines alongside many other printed works，然后数据集还会告诉你这个Q的Concept是magazines。

使用ConceptNet找edge的时候会使用一个KCR算法（csqa/Model_details.md at master · jessionlin/csqa (github.com)）：

1. 已知concept $e_q$和答案的concept $e_c$
2. 假如两者有直接的边，那就选择那条边
3. 假如没有，则从$e_c$出发，找到与他相邻的$N$条边。
4. 由于ConceptNet会将边分类，所以可以得出每种边的数量$N_{r_j}$。每种边计算出权重$\frac{N}{N_{r_j}}$。（这种算法会基于更少的边更多的权重）
5. 由于ConceptNet自带一个权重，于是将这个权重与上一步权重相乘得到最终的权重。

在提取Wikitionary定义的时候，也有一个算法：

1. 先检索原始格式（例如taking notes）
2. 通过Spacy得到lemma form进行检索（好像是把动词还原，例如take notes）
3. 检索最后一个单词（例如notes）