基于层级池化序列匹配的知识图谱复杂问答最优查询图选择方法

TP391; 在处理知识图谱复杂问答任务时,传统的查询图语义解析方法需要在排序阶段对大量结构复杂的候选查询图进行语义编码,用以获得各自多维特征表示.然而,在编码过程中采用的全局最大或平均池化操作通常存在对代表性特征提取能力不足的问题.针对以上问题,提出一种基于层级池化序列匹配的最优查询图选择方法.在实现候选查询图的交互建模过程中,同时采用层级池化滑动窗口技术分层提取问句和查询图序列对的局部显著性特征与全局语义特征,使得到的特征向量更好地用于候选查询图的语义匹配打分.所提方法在两个流行的复杂问答数据集MetaQA和WebQuestionsSP上开展广泛实验.实验结果表明:引入层级池化操作能够有效...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 46; no. 8; pp. 2686 - 2695
Main Authors 王冬, 周思航, 黄健, 张中杰
Format Journal Article
LanguageChinese
Published 国防科技大学智能科学学院,湖南长沙 410073 01.08.2024
Subjects
层级池化
complex question answering over knowledge graph
知识图谱复杂问答
查询图语义解析
hierarchical pooling
semantic parsing for query graph
interactive encoding
交互编码
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2024.08.16

Cover

More Information
Summary:TP391; 在处理知识图谱复杂问答任务时,传统的查询图语义解析方法需要在排序阶段对大量结构复杂的候选查询图进行语义编码,用以获得各自多维特征表示.然而,在编码过程中采用的全局最大或平均池化操作通常存在对代表性特征提取能力不足的问题.针对以上问题,提出一种基于层级池化序列匹配的最优查询图选择方法.在实现候选查询图的交互建模过程中,同时采用层级池化滑动窗口技术分层提取问句和查询图序列对的局部显著性特征与全局语义特征,使得到的特征向量更好地用于候选查询图的语义匹配打分.所提方法在两个流行的复杂问答数据集MetaQA和WebQuestionsSP上开展广泛实验.实验结果表明:引入层级池化操作能够有效提取复杂查询图序列的代表性语义特征,增强原有排序模型的交互编码能力,有助于进一步提升知识图谱复杂问答系统的性能.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2024.08.16