来源：期刊VIP网 时间：
作者：张天成;鞠振昊;孙相会;许嘉;于明鹤;刘恒宇;于思淼;于戈;
单位：东北大学计算机科学与工程学院;广州大学网络空间安全学院;奥尔堡大学计算机科学系;
摘要：现阶段基于知识图谱的问答研究主要集中在英文领域，中文领域因起步较晚，且缺乏足够的问答语料数据，发展相对滞后。中文中大量实体存在别名，增加了问答的复杂性。为此，文章提出了一种基于双仿射模型与指针网络联合建模的知识图谱问答模型(Prompt-Biaf-JointPN,PBJ)。首先，在Prompt模块采用思维链方法将多跳问题拆分为多个单跳问题；然后，针对每个单跳问题，Biaf模块以双仿射模型为输出层进行实体提及识别，并在JointPN模块将实体消歧与关系匹配任务统一建模为选择形式的阅读理解任务，从而获得中间答案；接着，在Prompt模块通过循环迭代机制，将上一跳的答案作为下一跳问题的实体提及，直到最终生成完整答案。为验证模型性能，在3个数据集(NLPCC-ICCPOL、KgCLUE、NLPCC-MH)上，将PBJ模型与Pipeline1、Pipeline2、TransferNet等11个基线模型进行了对比实验。对比实验结果验证了PBJ模型在中文语境下处理复杂问答任务的准确率：在单跳任务上，将PBJ模型去掉Prompt模块后的BJ模型的Hits@1值比最优的基线模型Pipeline2 w/Biaf高2.15%;在多跳任务上，PBJ模型的Hits@1值比最优的基线模型ChineseBERT高1.26%。最后，为验证文章提出的Prompt、Biaf、JointPN模块的有效性，进行了消融实验。消融实验结果表明这3个模块对提升PBJ模型性能均有重要贡献：分别缺少Prompt、Biaf、JointPN模块的3个模型的Hits@1值，相较于PBJ模型分别下降了2.13%、2.84%、6.51%。综上可知，PBJ模型通过联合建模实体消歧与关系匹配，可有效缓解中文知识图谱问答中实体别名复杂、语料稀缺等瓶颈，为中文多跳问答提供了一种实用且可扩展的新思路。
关键词：知识图谱;;双仿射模型;;指针网络联合建模;;实体提及识别
基金资助：国家自然科学基金项目(62272093,62137001)
