CN115525777B 一种基于自然语言问答的知识图谱三元组显著性评估方法 （东南大学）_第1页
CN115525777B 一种基于自然语言问答的知识图谱三元组显著性评估方法 （东南大学）_第2页
CN115525777B 一种基于自然语言问答的知识图谱三元组显著性评估方法 （东南大学）_第3页
CN115525777B 一种基于自然语言问答的知识图谱三元组显著性评估方法 （东南大学）_第4页
CN115525777B 一种基于自然语言问答的知识图谱三元组显著性评估方法 （东南大学）_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号WO2021031480A1,2021.02.25一种基于自然语言问答的知识图谱三元组本发明公开了一种基于自然语言问答的知问句生成模板将该三元组转化为自然语言问句识图谱三元组显著性评估任务转化为自然语言于任何外部知识库和图表示学习的情况下显著22)根据步骤1)提取到的关系集合，并根据不同关原始的知识图谱三元组显著性评估任务转化3)基于步骤2)得到的特定于关系的问句模板，重新构建原有的知识图谱三元组集合，4)基于步骤3)生成的自然语言问句序列集合，对大规模预取出最后一层隐藏层向量表示的[CLS]位对应的特征向量H[CLS]作为其池化层输出，并最后输入到sigmoid激活函数中得到模型最后2.根据权利要求1所述的一种基于自然语言问答的知识图谱三元组显著性评估方法，3.根据权利要求1所述的一种基于自然语言问答的知识图谱三元组显著性评估方法，4.根据权利要求1所述的一种基于自然语言问答的知识图谱三元组显著性评估方法其3[0002]如今大规模知识库(知识图谱)的构建为许多人工智能任务的研究提供了重要支[0003]目前现有的研究方法高度依赖于外部知识库重新训练语言模型或者基于现有数[0009]4)基于步骤3)得到的自然语言问句序列集合，对大规模预训练语言模型进行微4[0013]所述步骤4)中通过自然语言问句序列集合微调大型预训练语言模型的具体方法识图谱三元组的显著性评估任务转换为自然语言问答任务，并设计了特定的问句生成模[0016]2、借助于提示学习的思想进一步将知识图谱三元组显著性评估任务转化为自然[0018]4、区别于已有的方法需要高度依赖于现有的知识库和图表示学习或者是从头训5[0034]然后取出最后一层隐藏层向量表示的[CLS]位对应的特征向量H[C[0036]其中weR,bo为线性层的可学习参数。[0037]最后输入到sigmoid激活函数中得到模型最后的输出j,如公式(5)所示，sigmoid基础上所作出的等同变换或替代均落入本发明权利要求所

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论