基于BERT模型的知识库问答方法研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1674-9456.2021.01.014

基于BERT模型的知识库问答方法研究

引用
基于知识库的问答是自然语言处理研究热点之一,在针对知识库问答的方法中,传统的字向量和词向量无法很好地表示问句上下文的语义信息、循环神经网络并行计算能力不足和没有考虑句子中周围词对当前词的影响、卷积神经网络不考虑字在问句中位置信息等问题.为了解决上述问题,论文提出了使用B E RT模型结合循环神经网络和卷积神经网络模型的研究方法.在开源SimpleQuestion数据集上使用文中提出的方法,可使问句命名实体识别任务中f1-score提升了3%,问句关系分类任务准确率提升1%,最终答案生成任务准确率提升3.5%.实验表明,使用B E RT模型可以增强这些传统模型的效果.

知识库问答、BERT、命名实体识别、关系分类

12

TP391.1(计算技术、计算机技术)

2021-05-26(万方平台首次上网日期,不代表论文的发表时间)

共4页

71-74

相关文献
评论
暂无封面信息
查看本期封面目录

网络空间安全

1674-9456

10-1421/TP

12

2021,12(1)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn