-
题名基于知识表示学习的KBQA答案推理重排序算法
- 1
-
-
作者
晋艳峰
黄海来
林沿铮
王攸妙
-
机构
复旦大学软件学院
北京交通大学交通运输学院
上海申通地铁集团有限公司
-
出处
《计算机应用研究》
CSCD
北大核心
2024年第7期1983-1991,共9页
-
文摘
现有的知识库问答(KBQA)研究通常依赖于完善的知识库,忽视了实际应用中知识图谱稀疏性这一关键问题。为了弥补该不足,引入了知识表示学习方法,将知识库转换为低维向量,有效摆脱了传统模型中对子图搜索空间的依赖,并实现了对隐式关系的推理,这是以往研究所未涉及到的。其次,针对传统KBQA在信息检索中常见的问句语义理解错误对下游问答推理的错误传播,引入了一种基于知识表示学习的答案推理重排序机制。该机制使用伪孪生网络分别对知识三元组和问句进行表征,并融合上游任务核心实体关注度评估阶段的特征,以实现对答案推理结果三元组的有效重排序。最后,为了验证所提算法的有效性,在中国移动RPA知识图谱问答系统与英文开源数据集下分别进行了对比实验。实验结果显示,相比现有的同类模型,该算法在hits@n、准确率、F_(1)值等多个关键评估指标上均表现更佳,证明了基于知识表示学习的KBQA答案推理重排序算法在处理稀疏知识图谱的隐式关系推理和KBQA答案推理方面的优越性。
-
关键词
知识库问答
知识图谱
知识表示学习
答案推理
-
Keywords
knowledge graph question answering
knowledge graph
knowledge representation learning
answer reasoning
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
