面向知识图谱问答的查询图生成方法

该文提出一种新的查询图生成方法用于知识图谱问答系统的问句解析。现有查询图生成工作覆盖的复杂问句类型有限,不能较好地处理答案为关系或涉及关系约束的问句,且未充分考虑路径结果间的组合与运算。因此,该文在查询图生成中应用节点操作的同时引入基于关系的操作,并考虑不同主路径之间的组合情况,显著提升对复杂问句的分析能力。并在此基础上,构建了中文知识图谱问答系统。此外,该文构建一份包含多种复杂类型问句的中文知识图谱问答数据集。该数据集和CCKS2019-CKBQA数据集合并后构成一个新的数据集CCKS2019-Comp,并用来测试本文方法的有效性。实验结果表明,该文方法在CCKS2019-CKBQA和CCKS2019-Comp测试集上平均F 1值分别达到73.8%和73.3%。该文的新构建数据和代码已开源①。

面向模糊主题复杂问句的阶段性查询图生成

论文面向无主题实体和多主题实体的模糊主题复杂问句,提出了一种基于阶段性查询图生成的改进方案。针对无主题实体复杂问句,论文提出了以答案节点为起始节点的查询图构造方案。针对多主题实体复杂问句,论文提出了一种基于规则和Transformer编码器的主题实体选取策略,提高了问答的准确性。在四个数据集上的对比实验结果表明,该方法在复杂问题问答上的表现优于最近表现较好的Multi-hopCQA。

面向知识图谱问答的查询图选择模型研究

在基于查询图的知识图谱问答系统(KBQA)中,查询图选择旨在实现问句和候选查询图的语义匹配,从中选出最优查询图来生成答案.受限于问句(序列结构)和候选查询图(图结构)表示形式上的不统一,两者在进行语义匹配时经常存在编码结构复杂以及匹配效果差的问题.为了解决上述问题,提出一种基于序列匹配的查询图选择方法.具体地,首先将图结构的查询图转换为序列形式,使得语义匹配从图结构与序列结构的相似计算变成两个序列结构之间的相似计算,提高了匹配效果.在此基础上,通过考虑候选查询图集合的全局信息,提出一种新的查询图排序模型.与已往方法相比,所提方法一方面有效地对问句和查询图之间交互信息进行建模,另一方面引入候选查询图集合的全局信息,提升了查询图选择的性能.实验结果表明,所提方法在WebQuestions和ComplexQuestions两个常用KBQA数据集上的F1值分别达到了55.3和44.4.