基于道路法规知识图谱的多轮自动问答研究

作者：陈金菊; 王义真; 欧石燕^*

来源：现代情报, 2020, 40(08): 98-120.

• 知识图谱
• 本体
• 多轮自动问答
• 自然语言处理
• 道路法规

[目的/意义]传统的基于知识图谱的自动问答研究主要是针对用户提问直接检索答案,但由于系统对用户问题的理解存在歧义,导致得到的答案不够精确。采用基于知识图谱的多轮自动问答可以有效地改善这一问题。[方法/过程]本文首先构建了以事件为中心的道路法规本体模型,依据该模型从道路法规中抽取实例图谱,并设计出基于道路法规知识图谱的问答框架。然后,对该框架所使用到的模型进行测评。最后,进行系统的总体测评。[结果/结论]从模块测评结果来看,本文所提出BCNNBiLSM模型在事件识别和意图识别的F1值分别是0.798和0.930,BBi LSTMCRF模型在本体属性识别F1值为0.807,总体性能优于其他模型。系统的总体测评结果表明,完整句的准确率为0.74,缺省句的任务完成率为0.83。本文提出的基于道路法规知识图谱的多轮自动问答可为相关领域自动问答研究提供参考。

• 单位
  南京大学