基于条件知识库（CKB）的对话问答系统--论文阅读笔记_learning to extract conditional knowledge for ques

本文是‘’Learning to Extract Conditional Knowledge for Question Answering using Dialogue‘’论文的阅读笔记。最近开始看QA方面的一些论文，刚入门，很多东西都不太懂，感觉很吃力，慢慢坚持吧==

传统的基于知识库（KB）的问答系统，有三元组 （Subject， predicate， Object）组成，缺点在于当前面两者相同但是条件不同是，其会给出相同的答案。不能灵活地根据问题给出正确的答案。比如下图，虽然两个问题都是要升级win10，但win xp 和win 8是作为两个不同的条件，严重的影响着最终的答案：

所以本文提出了一种基于条件的知识库的问答系统，表示为（Subject，Predict， Object|Condition），就是在元十三元祖的基础上加了条件的限定。这样一来，我们就可以更灵活的做出回答。但是本文的模型仍有很大的限制，当用户的提问不满足回答条件时，对话系统会提示用户补全问题方可进行回答。如下图所示：

接下来看一下算法流程图，主要包括下面6步：

1. pattern mining
2. pattern aggregation
3. condition and pattern representation learning
4. conditions and patterns clustering
5. CKB construction
6. dialogue model construction
   如下图所示：