.png){kind=icon}
返回
Knowledge Graph Question Answering with semantic oriented fusion model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2021.106954.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识图谱问答 (KGQA) 是问答任务的一个主要分支，它可以利用知识图谱的合理特征有效地回答事实问题。目前，针对KGQA任务提出了许多相关工作以及各种深度学习模型。但是，仍然存在一些挑战，例如歧义表达下的主题实体识别，自然语言的语义级别表示，有效构建答案搜索空间等。在本文中，我们提出了一种针对KG以上的复杂问题回答的综合方法。首先，在主题实体识别阶段，构建了一个深度转换模型来提取主题实体，并结合字符匹配和实体消歧模型，提出了一种高效的实体链接策略。其次，针对候选路径排序问题，提出了一种动态候选路径生成算法，以高效地创建候选答案集。并设计了四个专用的相似度计算模型来处理具有长序列和多样性表达的复杂问题的复杂情况。此外，提出了一种融合策略来决定最终的正确答案。我们在CCKS2019竞赛的中文知识库问答数据集CKBQA上评估了我们的方法。实验结果表明，每个过程中的改进都是有效的，并且我们的方法比CCKS2019竞赛中的最佳团队取得了更好的性能。（c）2021 Elsevier B.V. 版权所有。
Keyword:
Knowledge graph question answering
Topic entity recognition
Path generation
Model fusion
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
Kinematic analysis of limb movements in neuropsychological research: Subtle deficits and recovery of function.神经心理学研究中肢体运动的运动学分析: 细微的缺陷和功能的恢复。
PREAI
分享收藏
Enhancement of pyramid solar distiller performance using reflectors, cooling cycle, and dangled cords of wicks.png)
Desalination
DesalinationIF0
PREAI
分享收藏
分享收藏Cobalt and Copper Composite Oxides as Efficient Catalysts for Preferential Oxidation of CO in H2-Rich Stream钴和铜复合氧化物作为H2-Rich流中CO优先氧化的有效催化剂
PREAI
分享收藏分享收藏
查看更多内容