基于LSTM的大规模知识库自动问答

周博通, 孙承杰^†, 林磊, 刘秉权

哈尔滨工业大学计算机科学与技术学院, 哈尔滨 150001

收稿日期:2017-06-04修回日期:2017-09-05出版日期:2018-03-20

基金资助:国家高技术研究发展计划专项经费(2015AA015405)和国家自然科学基金(61572151, 61602131)资助

LSTM Based Question Answering for Large Scale Knowledge Base

ZHOU Botong, SUN Chengjie^†, LIN Lei, LIU Bingquan

School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001

Received:2017-06-04Revised:2017-09-05Published:2018-03-20

PDF

(601KB)

可视化

0

复制本文网址

1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)

-->

摘要/Abstract

摘要： 针对大规模知识库问答的特点, 构建一个包含3个主要步骤的问答系统: 问句中的命名实体识别、问句与属性的映射和答案选择。采用别名词典结合LSTM语言模型进行命名实体识别, 使用双向LSTM模型结合两种不同的注意力机制进行属性映射, 最后综合前两步的结果进行实体消歧和答案选择。该系统在NLPCC-ICCPOL 2016 KBQA任务提供的数据集上的平均F1值为0.8106, 接近评测的最好水平。
中图分类号:
-->TP914

引用本文

周博通, 孙承杰, 林磊, 刘秉权. 基于LSTM的大规模知识库自动问答[J]. 北京大学学报（自然科学版）, 2018, 54(2): 286-292.
ZHOU Botong, SUN Chengjie, LIN Lei, LIU Bingquan. LSTM Based Question Answering for Large Scale Knowledge Base[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2018, 54(2): 286-292.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3183