典型文献
基于全局覆盖机制与表示学习的生成式知识问答技术
文献摘要：
针对现有生成式问答模型中陌生词汇导致答案准确率低下的问题和模式混乱导致的词汇重复问题,本文提出引入知识表示学习结果的方法提高模型识别陌生词汇的能力,提高模型准确率.同时本文提出使用全局覆盖机制以平衡不同模式答案生成的概率,减少由预测模式混乱导致的重复输出问题,提高答案的质量.本文在知识问答模型基础上结合知识表示学习的推理结果,使模型具备模糊回答的能力.在合成数据集和现实世界数据集上的实验证明了本模型能够有效地提高生成答案的质量,能对推理知识进行模糊回答.
文献关键词：
生成式知识问答;覆盖机制;知识表示学习;自然语言处理;深度学习
中图分类号：
作者姓名：
刘琼昕;王亚男;龙航;王佳升;卢士帅
作者机构：
北京市海量语言信息处理与云计算应用工程技术研究中心 北京100081;北京理工大学计算机学院 北京100081
文献出处：
引用格式：
[1]刘琼昕;王亚男;龙航;王佳升;卢士帅-.基于全局覆盖机制与表示学习的生成式知识问答技术)[J].自动化学报,2022(10):2392-2405
A类：
生成式知识问答
B类：
覆盖机制,陌生,生词,知识表示学习,学习结果,模型识别,模型准确率,出使,不同模式,预测模式,合成数据集,现实世界数据,自然语言处理
AB值：
0.224184
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。
