基于知识图谱路径最优化的自然语言推理方法
李世宝1
殷乐乐1
刘建航2
黄庭培2
1.中国石油大学(华东)海洋与空间信息学院 青岛 2665802.中国石油大学(华东)计算机科学与技术学院 青岛 266580
摘要：外部知识库为自然语言推理模型提供了更多的推理知识,而传统融合知识图谱的自然语言推理模型在子图构建的过程中会引入大量噪声,影响最终模型准确率.对此提出一种基于知识图谱路径最优化的自然语言推理方法,首先结合权重信息和路径长度信息进行子图过滤,从而减少图中未匹配实体的数量,增加子图的上下文相关度,然后运用图神经网络编码子图得到图向量来进一步获取子图中的知识信息,最后将图向量和文本向量相结合送入分类器做判别.采用中文语料库作为实验数据集,结果表明论文模型测试准确率相比基线模型提升1.2％～4.4％,实现了比基线模型更好的识别性能.
关键词：知识图谱自然语言推理路径最优化
分类号：TP393(计算技术、计算机技术)
资助基金：国家自然科学基金(61972417)国家自然科学基金(61902431)国家自然科学基金(91938204)中央高校基本科研业务费专项资金项目(18CX02134A)中央高校基本科研业务费专项资金项目(19CX05003A-4)山东省研究生导师指导能力提升项目(SDYY18025)
论文发表日期：2023-02-20
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：5( 331-335 )
英文信息