一种基于机器阅读理解的知识图谱问答方法及其系统技术方案

本发明专利技术涉及一种基于机器阅读理解的知识图谱问答方法及其系统，该方法包括以下步骤：获取自然语言问题，并从构建的知识图谱中寻找出候选子图；对候选子图进行剪枝操作，生成Schema Tree，并进一步生成对应的自然语言文本；再利用对比学习技术，从中筛选出TopK自然语言文本；将TopK自然语言文本输入机器阅读理解模型，输出得到对应的答案实体。与现有技术相比，本发明专利技术通过将跨模态问答任务转化为文本单模态上的机器阅读理解任务，利用NLP上强大的知识推理能力，避免生成复杂的查询图，解决了基于语义解析方法的多跳推理的难点；同时将等价的实体节点进行聚合，在返回答案时能够保证完整地返回所有满足要求的答案，解决了基于信息抽取方法召回率的缺陷问题。信息抽取方法召回率的缺陷问题。信息抽取方法召回率的缺陷问题。

【技术实现步骤摘要】
一种基于机器阅读理解的知识图谱问答方法及其系统


[0001]本专利技术涉及人工智能
，尤其是涉及一种基于机器阅读理解的知识图谱问答方法及其系统。

技术介绍

[0002]KGQA(Knowledge Graph Question Answering)即知识图谱问答，输入用户具有查询意图的自然语言，通过模型解析自然语言语句，从构建好的知识图谱中检索答案，并通过自然语言的形式返回用户需求的答案。在智能客服、问答系统等应用场景中，采用自然语言的方式查询识图谱，通过将专业知识(例如产品文档、服务信息、办事流程、使用手册等)进行结构化表示和建模，然后基于自然语言问答的知识图谱问答技术，为用户提供自动化的服务，在一定程度上能够代替人工或减少人工的工作量，从而提升办事、查询效率，改善用户体验。
[0003]但目前KGQA针对多跳复杂问题的准确率仍然较低，当前研究过程中，KGQA模型主要分为基于传统模板的方法、基于语义解析的方法、基于信息提取的方法和基于语义模板的方法，其中，基于语义解析的方法具有良好的可扩展性，可以回答更多的问题，而基于模板的方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器阅读理解的知识图谱问答方法，其特征在于，包括以下步骤：S1、获取自然语言问题，并从构建的知识图谱中寻找出候选子图；S2、对候选子图进行剪枝操作，生成Schema Tree，并进一步生成对应的自然语言文本；S3、利用对比学习技术，从生成的自然语言文本中筛选出TopK自然语言文本；S4、将TopK自然语言文本输入机器阅读理解模型，输出得到对应的答案实体。2.根据权利要求1所述的一种基于机器阅读理解的知识图谱问答方法，其特征在于，所述候选子图具体为从知识图谱中提取出的根植于主题实体的k
‑
hop路径树。3.根据权利要求2所述的一种基于机器阅读理解的知识图谱问答方法，其特征在于，所述步骤S2具体包括以下步骤：S21、基于k
‑
hop路径树，通过对语义等效的实体进行分组，以构造得到SchemaTree；S22、针对Schema Tree上每一条从主题实体到叶节点的路径，利用KG2TEXT模型生成对应的自然语言文本。4.根据权利要求3所述的一种基于机器阅读理解的知识图谱问答方法，其特征在于，所述步骤S21具体是将k
‑
hop路径树上语义等效的两个实体合并作为聚合节点，并重复操作直至无法合并得到聚合节点，由此构造得到Schema Tree。5.根据权利要求3所述的一种基于机器阅读理解的知识图谱问答方法，其特征在于，所述步骤S22具体采用jointGT将Schema Tree转化为对应的自然语言文本。6.根据权利要求1所述的一种基于机器阅读理解的知识图谱问答方法，其特征在于...

【专利技术属性】
技术研发人员：郑卫国，王移帆，
申请(专利权)人：复旦大学，
类型：发明
国别省市：