基于知识表示的联合问答模型

• 作者: 刘小龙 韩芳 王直杰
• 来源期刊: 计算机科学
• 关键词: 知识库问答 知识库嵌入 多任务学习
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 241-245
• 页数: 5页
• 分类号: TP311
• 语种: 中文

摘要

基于知识库的问答系统旨在通过解析用户的自然语言问句直接在知识库中提取出答案.目前,大多数知识库问答模型都遵循实体检测和关系识别这两个步骤,但是此类方法忽略了知识库本身所蕴含的结构信息以及这两个步骤之间的联系.文中提出了一种基于知识表示的联合问答模型.首先应用知识表示模型将知识库中的实体与关系映射到低维的向量空间,然后通过神经网络将问句也嵌入相同的向量空间,同时检测出问句中的实体,并在此向量空间内度量知识库三元组与问句的语义相似度,从而实现将知识库嵌入和多任务学习引入知识库问答.实验结果表明,所提模型可以极大地提高训练速度,在实体检测和关系识别任务上的准确率达到了主流水平,证明了知识库嵌入及多任务学习可以提升知识库问答任务的性能.