融合实体关系信息的答案选择网络中的算法分析
毛鹏
刘瑞芳
苗航
陆树栋
李思
北京邮电大学信息与通信工程学院 北京 100876
摘要：论文针对答案选择任务进行研究,利用深层神经网络结合外部知识库信息的方法,提出基于知识库关系信息的双向长短时记忆网络(Knowledge Based Relation-Bidirectional Long Short Term Memory,KBR-BiLSTM),引入知识库中实体信息及实体关系信息去优化基准模型中的注意力机制;并利用知识库关系信息结合上下文丰富了问答的句子编码信息,提升模型效果.在维基问答(Wiki QA)数据集和TREC QA数据集上进行对比实验,证明了KBR-BiLSTM模型的有效性.
关键词：深层神经网络知识库关系信息注意力机制
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2021-10-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1973-1977,2032 )
英文信息