-
题名基于全局覆盖机制与表示学习的生成式知识问答技术
被引量：1
- 1
-
-
作者
刘琼昕
王亚男
龙航
王佳升
卢士帅
-
机构
北京市海量语言信息处理与云计算应用工程技术研究中心
北京理工大学计算机学院
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第10期2392-2405,共14页
-
基金
国家自然科学基金(62072039)资助。
-
文摘
针对现有生成式问答模型中陌生词汇导致答案准确率低下的问题和模式混乱导致的词汇重复问题,本文提出引入知识表示学习结果的方法提高模型识别陌生词汇的能力,提高模型准确率.同时本文提出使用全局覆盖机制以平衡不同模式答案生成的概率,减少由预测模式混乱导致的重复输出问题,提高答案的质量.本文在知识问答模型基础上结合知识表示学习的推理结果,使模型具备模糊回答的能力.在合成数据集和现实世界数据集上的实验证明了本模型能够有效地提高生成答案的质量,能对推理知识进行模糊回答.
-
关键词
生成式知识问答
覆盖机制
知识表示学习
自然语言处理
深度学习
-
Keywords
Generative knowledge base question answering
coverage mechanism
knowledge representation learning
natural language processing(NLP)
deep learning
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名反绎学习支持下的自动问答及其应用
- 2
-
-
作者
张鹏
郝国生
王霞
许文阳
祝义
-
机构
江苏师范大学计算机科学与技术学院
江苏省思维驱动智能研究院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第17期139-147,共9页
-
基金
国家自然科学基金(62277030)
国家自然科学基金面上项目(62077029)
江苏省研究生科研与实践创新计划(SJCX24_1525)。
-
文摘
自动问答技术可以为用户提供快速且准确的信息检索和问题解答服务。然而,目前常见方法生成的答案存在不准确和不完整的问题,以及实体识别和关系抽取效果不准确,且答案不够自然。为此,提出基于反绎学习的自动问答方法,使用基于知识图谱的问答推理优化基于生成的问答,进一步从整体的反绎学习框架角度来优化实体识别和关系抽取方法,并将所提方法应用于《数据结构》课程的学习。结果表明,基于反绎学习的自动问答方法,可以改进基于生成的问答和基于知识图谱的问答两者的不足,提高问答系统的准确性。
-
关键词
自动问答
反绎学习
知识图谱问答
生成式问答
-
Keywords
automatic question and answering(QA)
abductive learning
knowledge graph QA
generative QA
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
