融合事实文本的知识库问答方法

摘要：

在自然语言问题中,由于知识库中关系表达的多样化,通过表示学习匹配知识库问答的答案仍是一项艰巨任务.为了弥补上述不足,文中提出融合事实文本的知识库问答方法,将知识库中的实体、实体类型和关系转换为事实文本,并使用双向Transformer编码器(BERT)进行表示,利用BERT丰富的语义模式得到问题和答案在低维语义空间中的数值向量,通过数值计算匹配与问题语义最相近的答案.实验表明,文中方法在回答常见的简单问题时效果较优,鲁棒性较强.

关键词：问答系统、知识库、表示学习、深度学习

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目;国家自然科学基金项目;云南省高新技术产业专项

在线出版日期：2021-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：267-274