科研之友
微信
新浪微博
Facebook
分享链接
摘要
组织和检索信息是人机交互中重点关注的话题之一。基于知识图谱的智能问答系统通过语义解析用户问题，检索知识并回答问题，已成为一种信息检索的有效途径，是人机交互典型应用。时序知识图谱问答系统通过语言模型获取问题中的实体和时间戳，并在大型时序知识图谱TKG(Temporal Knowledge Graph)中检索答案。然而，时序知识图谱问答系统包含两个挑战：1) 给定问题，需检索整个TKG，效率低且易受干扰项的影响；2) 难以捕获问题中隐含的时间词和时间顺序信息。提出一种基于图注意力网络的时间对比学习模型TCL(Time Contrast Learning)，将源问题与替换时间词后的对比问题同时训练，使用图注意力网络更新实体邻接子图的节点特征，缩小潜在答案的检索空间。在CRONQUESTIONS数据集上进行大量实验，结果表明TCL比其他基准方法具有更好的性能，相较于最先进的基准方法在Hit@1和Hits@10指标上平均提升3.44%和2.02%。
- 单位
