知識圖譜是目前流行的研究方向之一,在學術界和工業(yè)界都有廣泛應用。本文主要研究基于知識圖譜問答(Knowledge Base Question Answering,KBQA)任務。該任務旨在使用知識圖譜中的三元組回答用戶給出的問題,其主要難點在于知識圖譜的大規(guī)模性以及問題和答案數(shù)據(jù)之間的異構性。很多研究從不同角度解決上述難點,但仍然存在以下兩點不足。第一,現(xiàn)有方法對于實體鏈接和關系檢測子任務是通過精確匹配來獲得候選的,并且直接對其排序忽略了候選中可能存在影響效果的噪聲。第二,對于句法結構更加復雜的多跳問題,很多方法將其看做語義匹配任務來解決,但只考慮了關系路徑的詞級別語義,或者只是簡單的對關系名稱進行隨機初始化,泛化能力依賴于關系的命名規(guī)則。針對上述不足,本文開展了相關研究工作,主要研究內(nèi)容和貢獻總結為如下幾點:(1)基于指針網(wǎng)絡和檢索重排的單跳KBQA方法:該方法在實體鏈接和關系檢測子任務中通過檢索重排框架來訪問知識圖譜,使用信息檢索方法根據(jù)相關性評分生成更高質(zhì)量的候選,緩解了之前方法對于候選質(zhì)量考慮不足,忽略其中可能存在影響效果的噪聲的問題。并且該方法使用多任務學習對子任務進行聯(lián)合訓...

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【部分圖文】：

圖2.1:社交網(wǎng)絡圖譜

人類依靠知識來認知和理解世界。用來表示真實世界知識的知識圖譜近年來成為人工智能領域流行的研究方向。最早在2012年,Google公司就提出了知識圖譜的概念。從學術定義的角度,可以說“知識圖譜本質(zhì)上是語義網(wǎng)絡(SemanticNetwork)的知識庫”。它存儲結構化的知識,這些結....

圖2.2:醫(yī)療知識圖譜

圖2.1:社交網(wǎng)絡圖譜在實際的生活應用中,很多場景都符合圖的結構。比如常見的社交網(wǎng)絡就可以用知識圖譜建模,以圖2.1為例,社交網(wǎng)絡中有人的實體“小張”、“小明”等,也有學校實體“華師大”、“北大”。人與人之間有朋友關系、同學關系,人和學校之間是“現(xiàn)就讀于”或者“曾就讀于”的關系。....

圖2.3:圖數(shù)據(jù)庫排名

從DB-Enginesx網(wǎng)站中可以搜索到目前的圖數(shù)據(jù)庫排名情況,如圖2.3所示,Neo4j是目前排名第一最受業(yè)界歡迎的圖數(shù)據(jù)庫。Neo4j使用屬性圖的數(shù)據(jù)模型(Propertygraphmodel)進行底層存儲,并且支持索引以及ACID規(guī)則。Neo4j服務器可以使用REST....

圖2.7:RESCAL結構圖,來源[4]

基于轉移距離的模型把關系看作三元組中頭實體到尾實體的距離變換。核心思想是把頭實體和尾實體都映射到一個向量空間,通過向量之間的距離來判斷三元組存在的概率。第一個代表模型是TransE[1],如圖2.4所示,它把實體和關系都看做坐標空間的向量,認為h+r≈t,根據(jù)該公式定義距離評分....

本文編號：3946806