一种多跳时序知识图谱问答方法及系统
申请人信息
- 申请人:南京信息工程大学
- 申请人地址:210044 江苏省南京市浦口区宁六路219号
- 发明人: 南京信息工程大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种多跳时序知识图谱问答方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410249412.2 |
| 申请日 | 2024/3/5 |
| 公告号 | CN117829298A |
| 公开日 | 2024/4/5 |
| IPC主分类号 | G06N5/04 |
| 权利人 | 南京信息工程大学 |
| 发明人 | 马廷淮; 朱玉 |
| 地址 | 江苏省南京市宁六路219号 |
摘要文本
本发明提供一种多跳时序知识图谱问答方法及系统，涉及计算机科学领域。该多跳时序知识图谱问答方法，本方法通过三个阶段实现：一，使用Tempor‑hard方法对时序知识图谱问答数据集进行处理，获取问题的时间信息，并通过预训练语言模型获取语义矩阵。借助attention pooling和TComplEx嵌入等技术，对问题进行编码，获得问题的上下文表示。二，通过上下文相关性解析模块选取主题实体和候选动作，提高准确度。三，构建强化学习网络，引入动态实体编码和时空特征融合模块以增强推理能力，并使用先验分布对奖励进行时间感知塑造。该方法具备强大的语义理解和推理能力，可在信息检索、智能助理等领域提供高效、准确的问答模型，推动智能化技术的发展，提升用户体验。
专利主权项内容
1.一种多跳时序知识图谱问答方法，其特征在于，包括：获取时序知识图谱问答数据集，对时序知识图谱问答数据集中的问题隐含的时间信息进行显示表示，并获取问题所涉及的开始时间和截止时间，对问题进行改写；将改写后的问题输入到预设的预训练预言模型获取问题的语义表示；对语义表示不同的部分进行加权，经过注意力池化后的注意力感知的问题表示为/>；对问题表示进行重新建模，将问题表示/>中的实体和时间戳表示替换成TKG嵌入式表示，替换实体表示后问题表示为/>，替换时间戳表示后问题表示为，其中实体和时间戳TKG表示分别为/>和/>；改善语义表示，/>，其中/>表示替换时间戳表示后的问题表示，T表示时间戳TKG表示，Transformer(.)表示可学习编码器，问题表示为；将输入到Max pooling中获得问题的上下文表示/>；将问题中多实体的TKG表示与问题的上下文表示进行Pearson相关性计算，选取得分最高的实体作为问句的主题实体/>, 根据得到的主题实体对TKG进行子图提取，生成策略网络的候选动作空间；对推理路径上的实体表示进行动态编码，将实体和关系分为静态和/>，和动态/>表示两部分，采用相对时间表示/>，将静态和动态两部分进行拼接来实时更新推理路径上的实体表示/>，关系/>表示/>；将问题的上下文表示和实体表示/>以及关系嵌入/>进行融合获得当前推理步的匹配向量/>；将历史路径和匹配向量/>作为双向LSTM的输入，编码历史路径信息/>；将历史路径信息与匹配向量/>以及当前实体动态嵌入/>和关系嵌入表示/>，经过MLP进行时空关系建模，通过层归一化和sigmoid激活函数为每个候选动作分配权重；匹配向量和候选动作的嵌入表示经过评分机制候选动作进行评分，并使用加权动作评分机制与候选动作分配权重进行计算，获取候选操作的目标节点分数和传出边分数，并将两个分数加权求和，代理获得最终操作分数 />>