典型文献
基于特征增强的开放域知识库问答系统
文献摘要：
实体消歧和谓词匹配是中文知识库问答系统(CKBQA)中的两个核心任务.针对开放域知识库中实体和谓词数量巨大,且中文问句与知识库知识在表现形式上存在差异的问题,提出一种基于特征增强的B E RT的流水线式问答系统(BERT-CKBQA),改进了上述两个子任务.采用BERT-CRF模型识别问句中提及的实体,得到候选实体集合.将问题和拼接谓词特征的候选实体输入BERT-CNN模型进行实体消歧.根据实体生成候选谓词集合,提出通过注意力机制引入答案实体谓词特征的BERT-BiLSTM-CNN模型进行谓词匹配.结合实体和谓词的得分确定查询路径来检索最终答案.该方法设计了一个中文简单问题的开放域知识库问答系统,引入预训练模型与谓词特征增强子任务特征以提升其性能,并在NLPCC-ICCPOL-2016KBQA数据集上取得了88.75％的平均F1值,提高了系统的回答准确率.
文献关键词：
开放域知识库问答;实体提及识别;实体消歧;谓词匹配;BERT;特征增强
中图分类号：
作者姓名：
李帅驰;杨志豪;王鑫雷;韩钦宇;林鸿飞
作者机构：
大连理工大学 计算机科学与技术学院,辽宁 大连 116024
文献出处：
引用格式：
[1]李帅驰;杨志豪;王鑫雷;韩钦宇;林鸿飞-.基于特征增强的开放域知识库问答系统)[J].计算机工程与应用,2022(17):206-212
A类：
开放域知识库问答,谓词匹配,2016KBQA,实体提及识别
B类：
特征增强,问答系统,实体消歧,CKBQA,核心任务,词数,问句,流水线,BERT,子任务,CRF,模型识别,拼接,词特征,词集,注意力机制,BiLSTM,方法设计,预训练模型,增强子,任务特征,NLPCC,ICCPOL
AB值：
0.222115
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。
