基于实体排序和联合事实选择的知识库问答

• 作者: 刘月峰 张丽娜 张公 张晨荣 杨宇慧
• 来源期刊: 计算机应用研究
• 关键词: 知识库问答 深度学习 相似度计算 联合事实选择
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3321-3325
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.07.0271

摘要

针对大多数简单知识库问答模型没有充分利用候选实体排序,并且往往忽略实体和关系之间依赖的问题,提出了基于实体排序和联合事实选择的方法.整个过程分为模式抽取、实体排序和联合事实选择三个步骤.首先,通过BILSTM-CRF算法对自然语言问题进行模式提取,将其划分为实体提及(mention)和问题模式(pat-tern)两部分;然后,同时利用subject(主题实体)和mention的字面和语义相似性对候选实体进行排序,抽取相关事实;最后,为了能在候选事实池中选择出最正确的实体—关系对,联合事实选择模型利用多级别编码增强整个过程.实验证明,该方法在simple questions dataset的准确率、召回率都有明显的提升.实验结果表明所提方法在知识库的简单问答上具有可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽娜		10	19	2.0	4.0
2	刘月峰		12	61	5.0	7.0
3	杨宇慧		3	0	0.0	0.0
4	张晨荣		5	6	1.0	2.0
5	张公		2	0	0.0	0.0