计算机工程

作者：刘昀抒, 申彦明, 齐恒, 尹宝才

单位：1. 大连理工大学计算机科学与技术学院, 辽宁 大连 1160242. 北京工业大学人工智能与自动化学院, 北京 100124

关键词：知识图谱问答,问答系统,多跳问答,图神经网络,动态推理

基金：大连市科技创新基金(2022JJ12SN052)

知识图谱问答（KBQA）旨在理解用户的自然语言问句，在结构化的知识图谱中通过检索、推理等手段来获取答案实体。近年来，多跳KBQA备受关注，然而，复杂问句中通常存在多个关系意图，已有KBQA方法大多忽视了推理关系链的关系顺序问题。为此，提出一种基于层次结构图的多跳知识图谱问答模型（HSG-KBQA），建模自然语言问句的关系层次顺序，指导模型在每个推理步选择合理的关系意图。设计一种层次结构图，显式地体现问句中关系的层次距离，利用LSTM-BiGCN编码层将词语间的依存信息编码到问句中；提出虚拟节点的概念，利用图池化技术过滤不重要的节点，学习推理过程中知识图谱的状态；设计基于注意力机制和层次权重的解码器来优化指令生成，使推理指令更匹配问句中的关系链顺序。实验结果表明，HSG-KBQA在WebQuestionsSP数据集上取得了71.3%的Hits@1分数，在PathQuestions数据集上取得了97.3%（PQ-2H）和89.7%（PQ-3H）的Hits@1分数，均优于对照基准模型，表明HSG-KBQA模型在KBQA任务中具有更好的性能。

来源：2024年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第1期