[发明专利]多空间知识增强的知识图谱问答方法及系统

权利要求书

1.一种多空间知识增强的知识图谱问答方法，其特征在于，所述方法包括：

通过基于自注意力机制的神经网络对输入问句进行特征提取，获得输入问句的一维向量；

确定知识图谱中输入问句的多个候选答案；

将所述知识图谱分别嵌入欧几里德空间、复向量空间和双曲空间，并将每个空间下知识图谱中的每个候选答案用各自空间下知识图谱中的实体信息、路径信息、类型信息和上下文信息进行表示；

构建答案侧注意力网络和多空间注意力网络；

根据输入问句的一维向量和用各自空间下知识图谱中的实体信息、路径信息、类型信息和上下文信息表示的每个空间下知识图谱中的每个候选答案，利用答案侧注意力网络动态聚合候选答案的多方面信息，获得每个空间下每一个候选答案的答案向量；

根据每个空间下每一个候选答案的答案向量和用各自空间下知识图谱中的实体信息、路径信息、类型信息和上下文信息表示的每个空间下知识图谱中的每个候选答案，利用多空间注意力网络动态聚合知识图谱的多空间信息，获得每一个候选答案的一维向量；

根据每一个候选答案的一维向量和输入问句的一维向量，通过内积的方式，确定每一个候选答案的得分；

根据每一个候选答案的得分，确定最终的正确答案集。

2.根据权利要求1所述的多空间知识增强的知识图谱问答方法，其特征在于，所述通过基于自注意力机制的神经网络对输入问句进行特征提取，获得输入问句的一维向量，具体包括：

将输入问句输入词嵌入矩阵，获得输入问句的词向量表示；

在所述词向量表示中加入位置偏移量，获得带有位置信息的词向量表示；

将带有位置信息的词向量表示输入堆叠的自注意力神经网络，获得输入问句的一维向量；所述堆叠的自注意力神经网络包括多头注意力模块、残差模块和归一化模块。

3.根据权利要求1所述的多空间知识增强的知识图谱问答方法，其特征在于，所述确定知识图谱中输入问句的多个候选答案，具体包括：

对输入问句进行主题实体的识别，获得输入问句的主题实体；

通过实体链接工具将输入问句的主题实体与知识图谱中的实体节点进行关联，确定主题实体节点；

识别知识图谱中主题实体节点的两跳内的实体节点，并将主题实体节点与主题实体节点的两跳内的实体节点均确定为候选答案；所述两跳内的实体节点是与主题实体节点的最短路径小于或等于2的实体节点。

4.根据权利要求1所述的多空间知识增强的知识图谱问答方法，其特征在于，将所述知识图谱分别嵌入欧几里德空间、复向量空间和双曲空间，具体包括：

采用欧几里德空间的TransE模型对所述知识图谱进行表示学习；

采用复向量空间的Rotate模型对所述知识图谱进行表示学习；

采用双曲空间的HyperKG模型对所述知识图谱进行表示学习。