基于知识图谱的自动问答技术研究与应用

发布时间：2024-04-03 05:42

　　知识图谱是目前流行的研究方向之一,在学术界和工业界都有广泛应用。本文主要研究基于知识图谱问答(Knowledge Base Question Answering,KBQA)任务。该任务旨在使用知识图谱中的三元组回答用户给出的问题,其主要难点在于知识图谱的大规模性以及问题和答案数据之间的异构性。很多研究从不同角度解决上述难点,但仍然存在以下两点不足。第一,现有方法对于实体链接和关系检测子任务是通过精确匹配来获得候选的,并且直接对其排序忽略了候选中可能存在影响效果的噪声。第二,对于句法结构更加复杂的多跳问题,很多方法将其看做语义匹配任务来解决,但只考虑了关系路径的词级别语义,或者只是简单的对关系名称进行随机初始化,泛化能力依赖于关系的命名规则。针对上述不足,本文开展了相关研究工作,主要研究内容和贡献总结为如下几点:(1)基于指针网络和检索重排的单跳KBQA方法:该方法在实体链接和关系检测子任务中通过检索重排框架来访问知识图谱,使用信息检索方法根据相关性评分生成更高质量的候选,缓解了之前方法对于候选质量考虑不足,忽略其中可能存在影响效果的噪声的问题。并且该方法使用多任务学习对子任务进行联合训...

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图2.1:社交网络图谱

人类依靠知识来认知和理解世界。用来表示真实世界知识的知识图谱近年来成为人工智能领域流行的研究方向。最早在2012年,Google公司就提出了知识图谱的概念。从学术定义的角度,可以说“知识图谱本质上是语义网络(SemanticNetwork)的知识库”。它存储结构化的知识,这些结....

图2.2:医疗知识图谱

图2.1:社交网络图谱在实际的生活应用中,很多场景都符合图的结构。比如常见的社交网络就可以用知识图谱建模,以图2.1为例,社交网络中有人的实体“小张”、“小明”等,也有学校实体“华师大”、“北大”。人与人之间有朋友关系、同学关系,人和学校之间是“现就读于”或者“曾就读于”的关系。....

图2.3:图数据库排名

从DB-Enginesx网站中可以搜索到目前的图数据库排名情况,如图2.3所示,Neo4j是目前排名第一最受业界欢迎的图数据库。Neo4j使用属性图的数据模型(Propertygraphmodel)进行底层存储,并且支持索引以及ACID规则。Neo4j服务器可以使用REST....

图2.7:RESCAL结构图,来源[4]

基于转移距离的模型把关系看作三元组中头实体到尾实体的距离变换。核心思想是把头实体和尾实体都映射到一个向量空间,通过向量之间的距离来判断三元组存在的概率。第一个代表模型是TransE[1],如图2.4所示,它把实体和关系都看做坐标空间的向量,认为h+r≈t,根据该公式定义距离评分....

本文编号：3946806