基于认知图谱的智能问答系统推理模型研究

袁 满, 张维罡, 李明轩

(东北石油大学 计算机与信息技术学院, 黑龙江 大庆 163318)

0 引 言

目前, 同一领域知识分散存储在不同地点, 且以不同的数据类型进行存储, 导致该领域用户获取领域知识困难, 且很难实现共享。因此需要构建一个知识图谱将其结构化。由于领域内用户的数量十分庞大, 而遇到的问题大部分都是重复的, 在用户对员工进行培养时, 大量重复的问题会耽误用户培养员工的时间, 并且效率低下。因此需要构建问答系统, 将员工提出的问题进行整合、 分析, 利用机器学习, 深度学习等算法对模型进行训练, 使其自动解答员工的疑问, 从而减少技术指导的工作量。

Bordes等[1]首次提出使用基于向量嵌入的方法编码问句和答案, 根据方法编码问句和答案之间的相似度进行算法排序, 之后人们又提出了子图向量[2]、 记忆网络[3]等方法。最近又有很多先进的神经网络模型被提出用于编码句子[4-6], 包括卷积网络和循环网络等。这些方法只需要简单地查询知识库, 并且隐式地完成了候选答案的搜索和排序功能。

笔者采用认知图谱模型构建问答系统解决员工疑问, 提高培养员工效率。认知图谱问答模型不同于基于信息检索的问答模型, Tang等[7]把认知图谱定义为一种推理与计算的方法。该方法的目的是对知识图谱中的知识进行推理和表示, 并且把认知图谱分为系统1和系统2, 系统1用于处理简单问题, 系统2用于处理复杂问题。Ding等[8]对认知图谱的定义是动态的, 是根据最原始数据构建知识图谱的。……