为了解决现实应用场景中具有实时动态的复杂问答问题，提出一种结合图卷积神经网络和动态知识图谱的SpanBERT-GCN-LSTM模型。首先利用时序数据构建知识图谱，然后利用图卷积神经网络获取时序数据中的时间信息丰富知识图谱的表示，赋予知识图谱动态特征，最后将事实三元组拓展为带时间四元组表示，用于问答任务。为验证所提出方法的有效性设计了对比实验，结果表明：该模型评价值优于其他模型，能够较好地应用于在时序知识图谱问答任务。
科研之友
微信
新浪微博
Facebook
分享链接
