基于层次结构图的多跳知识图谱问答模型

作者：刘昀抒; 申彦明; 齐恒; 尹宝才

来源：计算机工程, 2023, 1-11.

DOI：10.19678/j.issn.1000-3428.0066637

• 知识图谱问答
• 问答系统
• 多跳问答
• 图神经网络
• 动态推理

知识图谱问答（KBQA）旨在理解用户的自然语言问句，在结构化的知识图谱中通过检索、推理等手段，获取答案实体。近年来，多跳知识图谱问答备受关注，然而，目前的方法存在一个被忽视的问题：复杂的问句中存在多个关系意图，而以往的方法常忽视了推理关系链的关系顺序问题。针对上述问题，提出了一种基于层次结构图的多跳知识图谱问答模型（HSG-KBQA），建模自然语言问句的关系层次顺序，指导模型在每个推理步选择合理的关系意图。提出了一种层次结构图，显式地体现了问句中关系的层次距离，利用LSTM-BiGCN编码层将词语间的依存信息编码到问句中；提出了虚拟节点概念，利用图池化技术过滤不重要的节点，学习推理过程中知识图谱的状态；提出了基于注意力机制和层次权重的解码器来优化指令生成，使推理指令更匹配问句中的关系链顺序。实验结果表明，本文在WebQuestionsSP数据集上取得了71.3%的Hits@1分数，在PathQuestions数据集上取得了97.3%（PQ-2H）和89.7%（PQ-3H）的Hits@1分数，均优于基准模型，表明本模型在KBQA任务上具有更好的性能。

• 单位
  北京工业大学; 自动化学院; 大连理工大学