公开(公告)号：CN116361438A

公开(公告)日：2023-06-30

申请号：CN202310333880.3

申请日：2023-03-31

Applicant: 福州大学

Inventor： 陈羽中 ,  万祯 ,  郑超凡

IPC: G06F16/332 ,  G06F16/35 ,  G06F16/36 ,  G06F16/33 ,  G06F40/211 ,  G06F40/289 ,  G06F40/35 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于文本‑知识扩展图协同推理网络的问答方法及系统，该方法包括以下步骤：步骤A：在问答平台中收集用户的问题以及回答记录，并标注每一个问题‑答案对的真实标签，以此构建训练集DS；步骤B：使用训练集DS以及知识图谱，训练基于文本‑知识扩展图协同推理网络的深度学习网络模型M，以通过模型M来分析给定问题并给出相对应的答案；步骤C：将用户的问题输入到训练好的深度学习网络模型M中，输出匹配的答案。该方法及系统有利于提高对给定问题选择答案的准确性。

公开(公告)号：CN116028604A

公开(公告)日：2023-04-28

申请号：CN202211464352.3

申请日：2022-11-22

Applicant: 福州大学

Inventor： 陈羽中 ,  郑超凡 ,  徐俊杰 ,  李炜炜

IPC: G06F16/332 ,  G06F16/36 ,  G06F16/35 ,  G06F40/211 ,  G06F40/289 ,  G06F40/30 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明提供了一种基于知识增强图卷积网络的答案选择方法及系统，包括以下步骤：步骤A：在问答平台中收集用户的问题以及回答记录，并标注每一个问题‑答案对的真实标签，以此构建训练集DS；步骤B：使用训练数据集DS以及知识图谱ConceptNet，训练基于知识增强的图卷积神经网络的深度学习网络模型M，通过此模型来分析给定问题，相对应候选答案的正确性；步骤C：将用户的问题输入到训练好的深度学习网络模型M中，输出匹配的答案；应用本技术方案有利于提高答案选择的准确性。