关于MetaQA的问题

[czh17]

您好，对于kbqa以及kgc领域都是非常棒的工作。但是关于MetaQA任务我有几点疑问，若您能解答，感激不尽~
1，在此KGQA任务中，Promp思想体现在哪？（是.json数据集中的'triples'吗。）
2，1-hop下train.json、test.json中每条数据中‘triples’是如何构建的？（因为在原始MetaQA数据中并没有提供question所对应的subgraphs。）
3，您在复现KGT5工作时，是否采用了与原论文相同的kgc pretraining策略？（在框架中好像并没有该阶段所对应的代码。）
再次感谢，还望能解答一下，祝好~！

[CheaSim]

感谢您对我们项目的关注，

1. 针对KGQA任务，Prompt思想主要在于我们使用 Prompt来构建实体的embedding，但目前实现的方法是基于KGT5 seq2seq的方案，后续准备加入我们论文中提到的使用 question [MASK] 来预测实体token的做法。
2. 复现KGT5，我们目前考虑使用KGT5公开的预训练权重，后续我们也会增加KGT5的预训练任务（其实只需要构建预训练样本即可，代码几乎不变）