申请/专利权人：南京信息工程大学

申请日：2023-12-20

公开（公告）日：2024-03-19

公开（公告）号：CN117435715B

主分类号：G06F16/332

分类号：G06F16/332;G06F16/36;G06N5/045;G06F40/30;G06N3/092;G06N3/0499

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明公开了一种基于辅助监督信号改进时序知识图谱的问答方法，针对时序知识图谱这一任务背景，在NSM推理模块中添加动态时间编码模块体现时序知识图谱的时序信息，并在整个指令模块中对实体表示进行改造，采用相对时间表示，将实体分为静态和动态表示两部分，将这两部分进行拼接来实时更新实体表示。本发明结合了NSM和强化学习算法，通过模拟和跟踪知识图谱中的状态变化和时序关系，实现了对时序知识图谱多跳推理下进行精准和高效的时序知识图谱问答，并相较于其他类型方法体现出对推理路径的可解释性。本发明提供智能、准确和个性化的问答服务，推动人工智能和知识图谱技术的发展与应用，具有广泛的应用前景。

主权项：1.一种基于辅助监督信号改进时序知识图谱的问答方法，其特征在于：包括以下步骤：将自然语言问题通过预训练语言模型获取自然语言问题的语义表示；将自然语言问题的语义表示进行TKG嵌入表示的替换，得到替换后的自然语言问题语义表示；将替换后的自然语言问题语义表示输入信息融合层，信息融合层输出最终问题表示；将最终问题表示输入神经状态机，当损失函数收敛后，神经状态机输出实体分布概率列表；将实体分布概率进行加权平均作为额外状态信息，将额外状态信息加入策略网络中状态信息形成新的策略网络；将最终问题表示输入新的策略网络，输出最终答案；根据最终答案与真实答案计算奖励函数，根据奖励函数对新的策略网络进行学习，得到更新后的策略网络；将最终问题表示输入更新后的策略网络，输出最终答案；所述根据最终答案与真实答案计算奖励函数，根据奖励函数对新的策略网络进行学习，得到更新后的策略网络；将最终问题表示输入更新后的策略网络，输出最终答案，具体包括：根据最终答案和真实答案eans，获得奖励值RsL，sL表示最终状态；根据奖励值RsL，计算奖励函数根据奖励函数对新的策略网络进行学习，得到更新后的策略网络；将最终问题表示输入更新后的策略网络，输出最终答案；其中，所述奖励值RsL计算公式如下： 表示指示函数，当指示函数内等式为真输出1，为假输出0；所述奖励函数计算公式如下： 其中，Dirichlet表示狄利克雷分布，是问题关系rq的Dirirchlet分布的参数向量。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于辅助监督信号改进时序知识图谱的问答方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD