申请/专利权人：哈尔滨工业大学

申请日：2020-08-17

公开（公告）日：2024-03-22

公开（公告）号：CN111897944B

主分类号：G06F16/332

分类号：G06F16/332;G06F40/30;G06F40/295;G06F40/216;G06F16/36;G06F16/28

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2020.11.24#实质审查的生效;2020.11.06#公开

摘要：基于语义空间共享的知识图谱问答系统，它属于中文知识图谱问答技术领域。本发明解决了现有知识图谱问答系统中各模块之间信息共享不足，导致获得的答案实体的准确率有限的问题。本发明利用问句主实体识别子模块，实体链接子模块和关系预测子模块的训练数据来联合训练BERT预训练语言模型，通过将联合训练好的模型嵌入各子模块，以实现语义空间的信息共享。通过本发明方法可以确保问句主实体识别子模块能够且只能从自然语言问句中识别出一个主实体，通过各子模块之间的语义信息共享，可以有效提高获得的答案实体的准确率。通过实验证明，采用本发明方法获得的答案实体的准确率可以达到86.64％。本发明可以应用于知识图谱问答。

主权项：1.基于语义空间共享的知识图谱问答系统，其特征在于，所述系统包括问句主实体识别子模块，实体链接子模块和关系预测子模块，其中：所述问句主实体识别子模块，实体链接子模块和关系预测子模块内部均嵌入有BERT预训练语言模型；所述BERT预训练语言模型是通过三个子模块的联合训练获得的；问句主实体识别子模块的训练数据是自然语言问句和自然语言问句中的主实体；实体链接子模块的训练数据是自然语言问句、正确和错误主实体在知识图谱中的实体名，将正确主实体在知识图谱中的实体名作为正样本，错误主实体在知识图谱中的实体名作为负样本；关系预测子模块的训练数据是自然语言问句、正确和错误关系谓词在知识图谱中的关系名，将正确关系谓词在知识图谱中的关系名作为正样本，将错误关系谓词在知识图谱中的关系名作为负样本；所述问句主实体识别子模块，实体链接子模块和关系预测子模块中的BERT预训练语言模型共享BERT网络参数，不共享输出层参数；问句主实体识别子模块用于对输入的自然语言问句进行编码，分别获得自然语言问句中每个字符的向量表示，并根据每个字符的向量表示确定主实体的开始位置和结束位置，得到输入的自然语言问句中的主实体；实体链接子模块用于预测输入的自然语言问句中主实体在知识图谱中的实体名；关系预测子模块用于预测输入的自然语言问句中关系谓词在知识图谱中的关系名；在知识图谱中，预测出的实体名通过预测出的关系谓词连接到的尾实体为答案实体；所述问句主实体识别子模块利用BERT预训练语言模型对自然语言问句进行编码，分别获得自然语言问句中每个字符的向量，根据获得的向量计算每个字符作为主实体的开始字符和结束字符的概率； 其中，ci代表自然语言问句c中的第i个字符，psci代表第i个字符作为主实体开始字符的概率，e代表自然对数的底数，hci代表第i个字符的向量表示，ws是开始位置判别向量，k代表自然语言问句c中的第k个字符，代表第k个字符的向量表示，k＝0,1，…，L-1，L代表自然语言问句c中的字符总个数；peci代表第i个字符作为主实体结束字符的概率，we是结束位置判别向量；将自然语言问句中作为主实体开始字符的概率最大的字符作为主实体的开始，在自然语言问句的主实体的开始字符后面的字符中，选取作为结束位置概率最大的字符作为问句主实体的结束字符。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于语义空间共享的知识图谱问答系统

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