典型文献
基于知识图谱的问答系统中属性映射方法研究
文献摘要：
在基于知识图谱的智能问答系统中,属性映射模块结果的错误传播会导致最终无法得到正确答案,对此提出了一种基于多注意力多维文本的属性映射方法.首先通过拆分问题文本及结合属性信息得到多维文本表示;其次使用长短期记忆网络(long-short-term memory,LSTM)层生成各自的隐层表示;然后输入多注意力机制层后使问句和属性之间的关系及语义信息更加完善,利用属性之间的交互信息及多种角度来加强问句语义信息的理解;最后通过卷积神经网络(convolutional neural networks,CNN)提取局部特征并且采用softmax分类器实现属性映射.试验结果表明,在自然语言处理与中文计算会议(NLPCC 2018)中知识库问答(KBQA)任务所提供的开源数据集上,本方法相比主流属性映射模型其性能有显著提升,准确率最高提升6.62％.本模型可以补足单一文本表示与注意力机制的短板,有效解决属性映射模块中语义歧义的问题,这有助于后续提高智能问答系统的整体性能.
文献关键词：
智能问答;属性映射;多注意力;多维文本;知识图谱
中图分类号：
作者姓名：
叶仕超;雷景生;杨胜英
作者机构：
浙江科技学院信息与电子工程学院,杭州310023
文献出处：
引用格式：
[1]叶仕超;雷景生;杨胜英-.基于知识图谱的问答系统中属性映射方法研究)[J].浙江科技学院学报,2022(05):435-443
A类：
B类：
基于知识,属性映射,映射方法,智能问答系统,误传,多维文本,拆分,问题文本,属性信息,文本表示,长短期记忆网络,long,short,term,memory,多注意力机制,问句,语义信息,加完,交互信息,多种角度,convolutional,neural,networks,局部特征,softmax,分类器,自然语言处理,NLPCC,知识库问答,KBQA,开源数据集,映射模型,补足,一文,歧义,高智能,整体性能
AB值：
0.324489
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。
