基于表示学习的知识库问答中答案获取方法研究

发布时间：2021-03-16 06:45

　　知识库问答是利用知识库中的结构化知识,对自然语言问题给出相应答案。近些年如Freebase、DBpedia等大规模通用知识库的出现,为知识库问答研究提供了丰富的知识来源,与此同时深度表示学习技术的应用也为知识库问答研究带来了转折和契机,改善了传统知识库问答方法过多依赖语义学知识,以及人工进行规则构建等问题。本文研究便在上述背景之下,采用了一种基于表示学习改进传统信息抽取的答案获取方法和一种融合了知识表示学习的答案获取方法,进一步提升了知识库问答中答案获取的准确率。具体研究内容如下:1.表示学习改进传统信息抽取的答案获取方法。该方法在传统信息抽取方法的思想基础上结合到表示学习技术和动态记忆网络模型完成答案的获取。首先对问句进行命名实体识别获取问题中心词,将中心词通过实体链接到知识库中对应的实体,在知识库中查询以该实体为中心的知识库子图,将子图中的实体和关系作为问题候选答案集。与传统信息抽取方法不同的是,本文改进后的方法接下来结合到词嵌入表示技术和动态记忆网络模型进行最终答案的确定。通过输入模块结合到词向量,得到问题及知识库子图中知识三元组的特征向量表示;再经记忆模块进行多轮记忆迭代,每轮... 

【文章来源】：昆明理工大学云南省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

知识库简单示例

BiLSTM-CRF中文命名实体识别模型

图2-2两种神经网络模型

【参考文献】：
期刊论文
[1]基于LSTM的大规模知识库自动问答[J]. 周博通,孙承杰,林磊,刘秉权.  北京大学学报(自然科学版). 2018(02)
[2]基于表示学习的知识库问答研究进展与展望[J]. 刘康,张元哲,纪国良,来斯惟,赵军.  自动化学报. 2016(06)
[3]知识表示学习研究进展[J]. 刘知远,孙茂松,林衍凯,谢若冰.  计算机研究与发展. 2016(02)

硕士论文
[1]基于机器学习的内网安全管控系统的设计与实现[D]. 郭太勇.北京邮电大学 2017



本文编号：3085596