计算机应用研究

作者：周岩,范永胜,孙松,周粤,

单位：重庆师范大学计算机与信息科学学院,重庆401331；

关键词：大语言模型,知识图谱,多跳问答,语义解析,

基金：重庆市教育委员会科学技术研究项目(KJQN202300547)；浙江大学工业控制技术国家重点实验室开放研究项目(ICT2023B40)；；

在知识图谱多跳问答任务中，问题的复杂语义往往难以被完全理解，这常导致回答的准确性低于预期。为此，提出了一种名为HL-GPT（hierarchical parsing and logical reasoning GPT）的新型框架。该框架利用大语言模型的理解和生成能力，通过分层解析复杂语义及构建逻辑推理路径，以提升问答任务的准确性。研究方法包括三个阶段：首先，通过大语言模型从问题的不同层次中解析出关键实体和多层关系，并将这些信息转换为逻辑形式；其次，将这些逻辑形式与知识图谱中的数据进行映射，并逐步检索相关实体以构建逻辑推理路径；最后，利用大语言模型固有的推理能力，整合问题和逻辑路径以生成准确的答案。本框架在MetaQA、COKG-DATA 、AeroQA和NLPCC-MH四个数据集上进行实验，实验结果表明，HL-GPT相比基线模型有明显的性能提升。

来源：2025年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第3期