基于实体消岐和多粒度注意力的知识库问答

摘要：

为解决现有知识库问答编码-比较框架的原始信息丢失问题,提出基于实体消岐和多粒度注意力的知识库问答方法.从多个粒度对问题和知识库关系的相关性进行建模,引入双向注意力机制更有效地聚合向量保留原始信息,实现关系检测中字符之间的细粒度对齐.为提高实体链接的准确率,融合双向长短时记忆网络-条件随机场(BiLSTM-CRF)克服对人工特征的依赖,计算问题关系词与候选关系的相似性减少噪声数据实现实体消歧.在SimpleQuestions数据集的实验结果表明,该模型在准确率上有明显提升,达到了94.1％.

关键词：命名实体识别;实体消岐;关系检测;注意力机制;知识库问答

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;湖北省教育厅科学技术研究计划重点基金项目

在线出版日期：2022-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：560-566