融合事实文本的知识库问答方法

• 作者: 王广祥 何世柱 刘康 余正涛 高盛祥 郭军军
• 来源期刊: 模式识别与人工智能
• 关键词: 问答系统 知识库 表示学习 深度学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 研究与应用|Researches and Applications
• 页码范围: 267-274
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202103008

摘要

在自然语言问题中,由于知识库中关系表达的多样化,通过表示学习匹配知识库问答的答案仍是一项艰巨任务.为了弥补上述不足,文中提出融合事实文本的知识库问答方法,将知识库中的实体、实体类型和关系转换为事实文本,并使用双向Transformer编码器(BERT)进行表示,利用BERT丰富的语义模式得到问题和答案在低维语义空间中的数值向量,通过数值计算匹配与问题语义最相近的答案.实验表明,文中方法在回答常见的简单问题时效果较优,鲁棒性较强.