基于查询计算树的知识图谱复杂问答方法技术

基于查询计算树的知识图谱复杂问答方法，属于人工智能技术领域。首先在处理知识图谱上的复杂问答任务时，采用一种结合Transformer结构和图神经网络的方法，将知识图谱转换为一个树型计算图，以便寻找最优解；在这个过程中，采用三元组转换策略，即把知识图谱中的每个事实表示为一个三元组，并利用这种表示来构建计算图；其次在树型计算图上进行前向后向传播来寻找最优解，在预训练过程中，从知识图谱中随机抽样子图，并对掩码实体进行预测；使用图神经网络、多头注意力机制对问题进行编码，最后通过嵌入打分函数对答案进行打分排序，以此来实现对不完整知识图谱上的复杂问题回答任务，本发明专利技术有效解决了不完整知识图谱中的复杂逻辑问题。

【技术实现步骤摘要】

本专利技术属于人工智能领域的自然语言处理(nlp)和知识图谱研究方向。这种方法结合了查询处理、知识表示、知识推理、图计算和机器学习等技术，目的在于提高机器理解自然语言查询并从不完整知识图谱中提取准确答案的能力。

技术介绍

1、知识图谱(knowledge graph，kg)是一种以图结构来表示知识的技术，它由一系列实体(节点)和它们之间的关系(边)组成。知识图谱的目的是提供结构化、语义丰富的知识表示方式，使得机器更好地理解和推理知识。在知识图谱的发展过程中，表示学习是查询知识图谱的基本问题之一。它目前存在两个主要问题，一个是知识不完备，另一个是查询效率低。虽然知识图谱已经从现实世界中提取了数百万个实体和数十亿个关系事实，但是大型知识图谱中的数据仍然稀疏不完整，因此研究知识图谱数据的补全和嵌入成为了重要的探究方向。知识图谱嵌入旨在将实体和关系嵌入到低维连续向量中，在简单的知识图谱补全问题中(h,r,？)得到了广泛的利用，该问题是由单个头部实体h、关系r和缺失的尾实体组成。但在现实情况中，查询可能会更加复杂，可能会涉及有多个来源的实体、补充关系、复杂逻辑以及未本文档来自技高网...

【技术保护点】

1.一种基于查询计算树的知识图谱复杂问答方法，根据知识图谱数据随机抽样子图，其特征在于，包括：

2.如权利要求1所述的基于查询计算树的知识图谱复杂问答方法，其特征在于，针对模块一嵌入前向后向传播方法，减少搜索空间，针对涉及树的局部计算研究FOL查询，高效率找到最优解。

3.如权利要求1所述的基于查询计算树的知识图谱复杂问答方法，其特征在于，针对模块二使用三元组转换的方法，将关系转换为关系节点，将知识图谱转换为无边属性的有向图。

4.如权利要求1所述的基于查询计算树的知识图谱复杂问答方法，其特征在于，针对模块三构建拥有查询计算树表示序列与关系节点表示序列...

【技术特征摘要】

1.一种基于查询计算树的知识图谱复杂问答方法，根据知识图谱数据随机抽样子图，其特征在于，包括：

2.如权利要求1所述的基于查询计算树的知识图谱复杂问答方法，其特征在于，针对模块一嵌入前向后向传播方法，减少搜索空间，针对涉及树的局部计算研究fol查询，高效率找到最优解。

3.如权利要求1所述的基于查询计算树的知识图谱复杂问答方法，其特征在于，针对模块二使用三元组转换的方法，将关系转换为关系节点，将知识图谱转换为无边属性的有向图。

4.如权利要求1所述的基于查询计算树的知识图谱复杂问答方法，其特征在于，针对模块三构建拥有查询计算树表示序列与关系节点表示...

【专利技术属性】
技术研发人员：刘爽，孙嘉悦，陈鹏，王巍，王博林，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：