基于变形图匹配的知识图谱多跳问答

作者：李香粤; 方全; 胡骏; 钱胜胜; 徐常胜

来源：北京航空航天大学学报, 2022, 1-7.

DOI：10.13700/j.bh.1001-5965.2022-0375

• 自然语言问题
• 链接缺失
• 文本语料库
• 多跳问答
• 变形图匹配

知识图谱问答（KGQA）是给定自然语言问题，对问题进行语义理解和解析，进而利用知识图谱进行查询、推理得出答案的过程。但知识图谱通常是不完整的，链接缺失给多跳问答带来许多挑战。许多方法在利用知识图谱嵌入时忽略了重要的路径信息来评估路径和多关系问题之间的相关性；且使用文本语料库也会限制文本增强模型的可扩展性。针对这些现有方法的缺陷，提出了基于变形图匹配的知识图谱问答（DGM-KGQA），该模型同时利用问题和主题实体构建语义子图，与知识图谱的局部结构匹配并找到正确答案。在基准数据集MetaQA上的实验结果验证了DGM-KGQA的有效性，该模型在完整知识图谱上检索到的答案准确率比PullNet提升了4.2%，比EmbedKGQA提升了0.8%；在完整度仅有一半的知识图谱上检索到的答案准确率比PullNet提升了11.1%，比EmbedKGQA提升了0.5%。实验证明提出的变形图匹配模型能够有效地增强知识图谱的关联性及多跳问答的答案准确率。

• 单位
  中国科学院自动化研究所; 模式识别国家重点实验室; 郑州大学