一种基于神经符号混合检索增强的知识获取方法

    公开(公告)号:CN115757820A

    公开(公告)日:2023-03-07

    申请号:CN202211393274.2

    申请日:2022-11-08

    Abstract: 本发明公开了一种基于神经符号混合检索增强的知识获取方法,包括:获取与事件抽取任务相关的事件语料库、语义图谱、符号化的知识库;根据语义图谱通过弱监督方式将事件语料库中每条语料文本与符号化的知识库中事件类型进行映射以构建检索知识库;进行针对目标文本的事件抽取时,为目标文本从检索知识库中检索相关的多条候选语料文本,依据候选语料文本与事件类型的映射关系为目标文本检索最优的事件类型,并提取最优事件类型对应的事件子图和最优语料文本作为提示知识;将提示知识转换成提示文本后与目标文本结合作为输入文本,利用语言模型对输入文本进行知识获取,得到基于目标文本的事件抽取结果。该方法增强知识获取准确性和效率。

    一种基于隐式知识反刍的问答推理方法和装置

    公开(公告)号:CN116821294A

    公开(公告)日:2023-09-29

    申请号:CN202310733848.4

    申请日:2023-06-20

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于隐式知识反刍的问答推理方法和装置,定义任务引导提示,每个任务引导提示包括提示语句和多个遮蔽词;利用知识反刍模型对任务引导提示、输入问题文本以及候选答案的拼接结果进行知识反刍得到隐式反刍知识;对隐式反刍知识做映射得到两个投影向量;基于包含自注意力模块和前馈神经神经网络的预训练语言模型构建问答推理模型,利用自注意力模块基于输入问答文本和候选答案组提取隐藏状态,该隐藏状态经过前馈神经神经网络的2层线性层得到提取特征,两个投影向量分别拼接到两层提取特征末尾实现对提取特征的扩展,基于扩展特征进行问答预测,以提升问答推理的准确性。

Patent Agency Ranking