-
公开(公告)号：CN111767388B
公开(公告)日：2023-07-04
申请号：CN202010840921.4
申请日：2020-08-20
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/253 , G06F40/284 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种候选池生成方法，属于知识图谱问答技术领域。针对候选池生成，本发明提供了一种非严格N元语法字符串匹配方法，依次通过对主语相关短语在知识图谱进行完全匹配、部分匹配、降低主语相关短语后继续匹配的方式，在知识图谱中查找匹配节点构建候选池，在降低候选池规模的同时有效提高了实体召回率；进一步的，基于上述候选池生成方法，提供一种简单问答系统的实现方法，提高了问答系统的鲁棒性和准确率；此外，本发明又进一步对简单问答系统的谓词抽取方法进行改进，进一步提高了问答系统的准确率和效率。对比现有技术，本发明提出的上述方法，以更少的资源，更简单的算法过程提高了问答系统的鲁棒性和准确率。
-
公开(公告)号：CN111581365B
公开(公告)日：2023-04-25
申请号：CN202010374689.X
申请日：2020-05-07
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/36 , G06F40/284 , G06N3/0499 , G06N3/084
Abstract: 本发明提出一种谓词抽取方法，属于知识图谱问答领域。针对谓词抽取，本发明提供了一种全新的谓词抽取框架模型，通过使用神经网络对谓词、问题进行特征表示后计算二者的相似度实现；进一步，基于该谓词抽取方法，提供一种简单问答系统的实现方法，提高了问答系统的准确率；此外，对候选池生成方法进行改进，在降低其规模的同时有效提高了实体召回率；同时，提出一种启发式标签编码算法，应用于谓词抽取模型的初始化。对比现有技术，本发明使用软直方图和自注意力的模型用于谓词抽取，其通过特征矩阵更好地保留了问题的全局信息，提出的上述方法，以更少的资源，更简单的算法过程提高了问答系统的鲁棒性和准确率。
-
公开(公告)号：CN111767388A
公开(公告)日：2020-10-13
申请号：CN202010840921.4
申请日：2020-08-20
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/253 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种候选池生成方法，属于知识图谱问答技术领域。针对候选池生成，本发明提供了一种非严格N元语法字符串匹配方法，依次通过对主语相关短语在知识图谱进行完全匹配、部分匹配、降低主语相关短语后继续匹配的方式，在知识图谱中查找匹配节点构建候选池，在降低候选池规模的同时有效提高了实体召回率；进一步的，基于上述候选池生成方法，提供一种简单问答系统的实现方法，提高了问答系统的鲁棒性和准确率；此外，本发明又进一步对简单问答系统的谓词抽取方法进行改进，进一步提高了问答系统的准确率和效率。对比现有技术，本发明提出的上述方法，以更少的资源，更简单的算法过程提高了问答系统的鲁棒性和准确率。
-
公开(公告)号：CN111581365A
公开(公告)日：2020-08-25
申请号：CN202010374689.X
申请日：2020-05-07
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/36 , G06F40/284 , G06N3/08
Abstract: 本发明提出一种谓词抽取方法，属于知识图谱问答领域。针对谓词抽取，本发明提供了一种全新的谓词抽取框架模型，通过使用神经网络对谓词、问题进行特征表示后计算二者的相似度实现；进一步，基于该谓词抽取方法，提供一种简单问答系统的实现方法，提高了问答系统的准确率；此外，对候选池生成方法进行改进，在降低其规模的同时有效提高了实体召回率；同时，提出一种启发式标签编码算法，应用于谓词抽取模型的初始化。对比现有技术，本发明使用软直方图和自注意力的模型用于谓词抽取，其通过特征矩阵更好地保留了问题的全局信息，提出的上述方法，以更少的资源，更简单的算法过程提高了问答系统的鲁棒性和准确率。
-
-
-
Search Results
4
records
(took 0.021 seconds)
