[发明专利]一种基于依赖结构的图卷积网络知识库问答方法及系统

说明书

本公开公开的一种基于依赖结构的图卷积网络知识库问答方法及系统，包括：获取问题；生成问题的候选查询图；将问题表示为依赖结构；将问题和候选查询图一起输入BERT中，获取问题向量；将问题向量和表示为依赖结构的问题输入图卷积网络中，获得包含依赖关系的问题表示；将包含依赖关系的问题表示整合到问题向量中，获得候选查询图向量；通过候选查询图向量对候选查询图进行评分；选取得分最高的候选查询图从知识库中获取答案。提高了答案获取的准确率。

技术领域

本发明涉及知识库问答技术领域，尤其涉及一种基于依赖结构的图卷积网络知识库问答方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

知识库问答的目的是从知识库中回答事实问题，近年来引起了人们的广泛关注。早期的知识库问答研究主要集中在关系单一的简单问题上，大多基于薄弱的监督手段。这些方法要么使用外部资源，要么使用模式匹配，要么使用手工规则和特性。然而，现实问题中也存在一些制约因素，使问题通常更为复杂。为了解决自然语言问题中的这种约束，提出了一种分阶段查询图生成方法。该方法首先对单跳关系路径进行识别，然后对其进行约束，形成查询图，通过在知识图中搜索得到答案。但现实中，不仅存在单一关系的问题，也存在多跳关系的问题，比如“谁是Facebook创始人的妻子？答案和facebook之间存在有两跳的关系，即“妻子”和“创始人”，为了回答这类问题，需要考虑一个较长的关系路径来获得正确的答案，较长的关系路径意味着搜索空间将呈指数增长，因此要解决的主要问题是如何减少搜索空间，即如何减少要考虑的多跳关系路径的数目。Chen等人和Lan等人提出使用波束搜索来减少搜索空间，但在扩展关系路径时，他们只考虑最佳匹配关系，而不是所有关系。Lan等人提出通过允许更长的关系路径来修改分阶段查询图生成方法，并采用束搜索来减少搜索空间，同时解决了上述两个问题。同时，关系路径越长，关系提取的次数越多，路径中出现错误关系的概率也越大。问题越复杂，问题越长，很难捕捉单词之间的远距离关系。

故发明人认为，现有的查询图生成过程中，由于无法获取长距离词之间的关系，从而使得查询图生成过程中关系选择错误这一问题，进而导致查询图排序出错，降低了知识库问答的准确性。

发明内容

本公开为了解决上述问题，提出了一种基于依赖结构的图卷积网络知识库问答方法及系统，通过将问题表示为依赖结构，由图卷积网络对依赖结构进行编码，获取了长距离词间的关系信息，将长距离词间的关系信息参与至候选查询图的排序中，使得候选查询图的排序更准确，进而提高了知识库问答的准确性。

为实现上述目的，本公开采用如下技术方案：

第一方面，提出了一种基于依赖结构的图卷积网络知识库问答方法，包括：

获取问题；

生成问题的候选查询图；

将问题表示为依赖结构；

将问题和候选查询图一起输入BERT中，获取问题向量；

将问题向量和表示为依赖结构的问题输入图卷积网络中，获得包含依赖关系的问题表示；

将包含依赖关系的问题表示整合到问题向量中，获得候选查询图向量；

通过候选查询图向量对候选查询图进行评分；

选取得分最高的候选查询图从知识库中获取答案。

第二方面，提出了一种基于依赖结构的图卷积网络知识库问答系统，包括：

问题获取模块，用于获取问题；

候选查询图获取模块，用于生成问题的候选查询图；

依赖结构获取模块，用于将问题表示为依赖结构；