基于知識庫的自然語言問答方法研究.pdf

1、基于知識庫的自然語言問答指的是針對以自然語言形式給出的問題，利用結構化的知識庫給出答案，它是自然語言處理的重要研究方向之一。知識庫問答的主要方法可以分為基于信息提取的方法、基于語義解析的方法和基于向量空間建模的方法三類，其中的關鍵技術包括知識的抽取和表示、用戶問句的語義表征和基于知識庫的答案生成等。受到問句語義表征準確性、問答對訓練數(shù)據(jù)規(guī)模等因素的影響，現(xiàn)階段知識庫問答系統(tǒng)的性能仍有待提升。此外，開源的大規(guī)模開放領域中文知識庫較為缺乏，

2、這也制約了面向中文的知識庫問答技術的研究開展。
　　本文圍繞基于知識庫的自然語言問答任務，從問句語義表征、訓練數(shù)據(jù)準備和中文知識庫構建等多個方面開展研究工作，主要研究內(nèi)容包括面向知識庫問答中復述問句評分的詞向量構建方法、結合神經(jīng)網(wǎng)絡問句生成的知識庫問答方法以及中文知識庫構建中的知識融合方法。
　　傳統(tǒng)詞向量通過與具體任務無關的無監(jiān)督訓練方法得到，用于知識庫問答中的復述問句評分時無法體現(xiàn)句子級的語義約束關系。因此，本文提出了一

3、種基于復述知識約束的詞向量訓練方法。該方法在詞向量訓練過程中引入句子級的語義約束信息，在不改變句子語義合成方法的前提下，通過優(yōu)化單詞層面的語義向量，來改善句子層面的語義表征，最后達到提升復述問句評分以及知識庫問答系統(tǒng)回答問題的準確度的效果。
　　現(xiàn)有基于向量空間建模的知識庫問答方法依賴訓練數(shù)據(jù)，而人工生成大規(guī)模的問答對數(shù)據(jù)較為困難。本章針對以上問題將基于編碼器-解碼器神經(jīng)網(wǎng)絡模型的問句生成方法引入知識庫問答系統(tǒng)構建，通過構建問句生

4、成模型實現(xiàn)由知識庫中三元組自動生成問句，用于知識庫問答的模型訓練。實驗結果表明使用模型生成問句相對傳統(tǒng)模版生成問句，有效改善了知識庫問答系統(tǒng)的準確率。
　　最后，本論文介紹一種基于知識融合的中文知識庫構建方法。該方法首先從百度百科網(wǎng)頁的信息框中抽取信息構建初始知識庫，然后采用基于鏈接詞信息的實體對齊和基于Jaccard系數(shù)的屬性映射方法，實現(xiàn)初始知識庫與現(xiàn)有Freebase知識庫的融合。通過構建人物、地理等部分領域的中文知識庫，驗