基于表示学习的知识库问答模型研究

作者：余传明; 王峰; 张贞港; 孔令格; 安璐

来源：科技情报研究, 2021, 3(01): 56-70.

DOI：10.19809/j.cnki.kjqbyj.2021.01.005

• 知识库问答
• 知识图谱
• 表示学习
• 深度学习
• 机器学习

[目的/意义]文章旨在融合知识图谱表示学习和词汇表示学习,探究基于知识库的问答模型,以实现对知识图谱中准确率高、覆盖面广的结构化知识的利用。[方法/过程]提出一种融合知识图谱表示学习和词汇表示学习的知识库问答框架,采用对比研究和实证研究,探究不同的表示学习模型和网络结构对于知识库问答效果的影响。首先,使用知识图谱表示学习算法,生成实体和关系的向量表示;接着,生成的实体和关系向量作为监督信号训练问题,对应实体和关系的向量表示;最后,根据问题生成的三元组表示,在知识图谱中匹配问题的最佳答案。[结果/结论]实验结果表明,采用不同的表示学习模型和网络结构,对于知识库问答的效果具有显著影响;相比于基线方法,文中方法能够显著提高知识库问答的效果。研究对于推动深度学习在知识库问答研究中的应用具有重要促进作用。

• 单位
  中南财经政法大学