摘要
为解决现有知识库问答编码-比较框架的原始信息丢失问题,提出基于实体消岐和多粒度注意力的知识库问答方法。从多个粒度对问题和知识库关系的相关性进行建模,引入双向注意力机制更有效地聚合向量保留原始信息,实现关系检测中字符之间的细粒度对齐。为提高实体链接的准确率,融合双向长短时记忆网络-条件随机场(Bi LSTM-CRF)克服对人工特征的依赖,计算问题关系词与候选关系的相似性减少噪声数据实现实体消歧。在Simple Questions数据集的实验结果表明,该模型在准确率上有明显提升,达到了94.1%。
- 单位