典型文献
基于特征联合与多注意力的实体关系链接
文献摘要：
实体链接和关系链接作为知识库问答的核心组件链接自然语言问题和知识库信息,通常作为两个独立的任务执行,但该执行方式忽略了链接中产生的信息间的相互影响.同时,将候选实体和关系分别计算相似性的方法没有考虑候选实体和关系的内在联系.提出一种基于神经网络的特征联合和多注意力的实体关系链接方法,运用神经网络对问题、实体、关系以及实体-关系对进行编码和向量表示学习,通过添加注意力机制的方法获取候选实体及关系在问题中的权重信息,在计算实体(关系)向量与问题向量的相似性时加入实体-关系对向量,利用实体-关系对中包含的信息提高链接的精度.在LC-QuAD和QALD-7数据集上的实验结果表明,与Falcon模型相比,该方法至少提高了 1％的链接精度.
文献关键词：
知识库问答;联合实体关系链接;实体-关系对;注意力机制;知识图谱
中图分类号：
作者姓名：
付林;刘钊;邱晨;高峰
作者机构：
武汉科技大学计算机科学与技术学院,武汉430065;湖北省智能信息处理与实时工业系统重点实验室,武汉430065;武汉科技大学大数据科学与工程研究院,武汉430065;国家新闻出版署富媒体数字出版内容组织与知识服务重点实验室,北京100083
文献出处：
引用格式：
[1]付林;刘钊;邱晨;高峰-.基于特征联合与多注意力的实体关系链接)[J].计算机工程,2022(08):53-61
A类：
QuAD,QALD,联合实体关系链接
B类：
特征联合,多注意力,实体链接,知识库问答,自然语言,语言问题,执行方式,向量表示,表示学习,注意力机制,重信,LC,Falcon,少提
AB值：
0.218988
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
