基于频率感知排序的受限食品知识库问答方法D-pFoodReQ

《Foods》：D-pFoodReQ: Answer-Frequency-Aware Debiasing for Constrained Knowledge-Base Question Answering in Food Recommendation

　　

摘要

食品推荐系统必须满足饮食偏好以及营养、健康和食材方面的约束条件。在受限的食品知识库问答任务中，正样本训练答案频率的不均衡可能影响排序结果，但未必真正反映查询与食谱的匹配程度。我们开发了 D-pFoodReQ，通过用 BAMnet-D 替换 pFoodReQ 的答案排序器，同时保留其食品知识库和约束处理流程。BAMnet-D 在语义匹配之外引入了独立的答案频率分支，应用了候选集相对损失重加权，并采用了一种受反事实启发的干预方法，即在验证和测试阶段将显式频率输入设为零。在 pFoodReQ 基准上采用相同协议进行三次运行，D-pFoodReQ 取得了 62.96 ± 2.06% 的 F1 分数，而 pFoodReQ 为 61.33 ± 2.27%。其平均精确率（MAP）为 66.50 ± 0.54%，平均召回率（MAR）为 65.38 ± 0.66%。在 1355 个金标准答案未作为正样本训练标签出现的问题上，D-pFoodReQ 的平均答案集 F1 分数与 pFoodReQ 几乎相同，但实现了更高的 Recall@5 和 NDCG@5。消融分析和输出成分分析表明，仅损失重加权并不能解释全部的性能提升，而保留显式频率项与更大比例的正确答案出现在正样本训练标签中相关联。这些结果支持在受限的食品知识库问答中采用考虑答案频率的排序方法。