基于卷积推理的多跳知识图谱问答算法

摘要：

多跳问题相比于简单问题更符合人们日常的提问方式,同时,研究多跳知识图谱问答(KGQA)算法有助于智能问答系统的推广.然而,现有的多跳KGQA方法在2～3跳问题和不完整知识图谱上的答案推理能力较弱.针对这一问题,本文提出基于卷积推理的多跳KGQA算法.首先,为了获取更具表示能力的问题嵌入向量,本文根据问题与关系的语义相似性提出结合字符特征和语义特征的问题嵌入模型;而后,为了增强算法的长链接推理能力,提出基于卷积神经网络(CNN)的答案推理模型来抽取嵌入向量的高阶信息.实验结果显示,相比于已有的5种算法,本文算法在MetaQA数据集的2跳和3跳问题答案预测准确率分别提高了1.7和1.3个百分点,在不完整知识图谱的2跳和3跳问题上分别提高了9.4和9.3个百分点.

关键词：知识图谱问答、知识图谱嵌入、语言模型、卷积神经网络

所属期刊栏目：41

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;广西自然科学基金重点项目

在线出版日期：2023-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：102-112