计算机应用研究

作者：晋艳峰,黄海来,林沿铮,王攸妙,

单位：1.复旦大学软件学院,上海200433；2.北京交通大学交通运输学院,北京100044；3.上海申通地铁集团有限公司,上海201103；

关键词：知识库问答,知识图谱,知识表示学习,答案推理,

现有的知识库问答（KBQA）研究通常依赖于完善的知识库，忽视了实际应用中知识图谱稀疏性这一关键问题。为了弥补该不足，引入了知识表示学习方法，将知识库转换为低维向量，有效摆脱了传统模型中对子图搜索空间的依赖，并实现了对隐式关系的推理，这是以往研究所未涉及到的。其次，针对传统KBQA在信息检索中常见的问句语义理解错误对下游问答推理的错误传播，引入了一种基于知识表示学习的答案推理重排序机制。该机制使用伪孪生网络分别对知识三元组和问句进行表征，并融合上游任务核心实体关注度评估阶段的特征，以实现对答案推理结果三元组的有效重排序。最后，为了验证所提算法的有效性，在中国移动RPA知识图谱问答系统与英文开源数据集下分别进行了对比实验。实验结果显示，相比现有的同类模型，该算法在hits@n、准确率、F1值等多个关键评估指标上均表现更佳，证明了基于知识表示学习的KBQA答案推理重排序算法在处理稀疏知识图谱的隐式关系推理和KBQA答案推理方面的优越性。

来源：2024年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第7期