基于全局覆盖机制与表示学习的生成式知识问答技术

doi:10.16383/j.aas.c190785

CORC > 自动化研究所 > 中国科学院自动化研究所 > 学术期刊 > 自动化学报

	基于全局覆盖机制与表示学习的生成式知识问答技术
	刘琼昕; 王亚男; 龙航; 王佳升; 卢士帅
刊名	自动化学报
	2022
卷号	48 期号:10 页码:2392-2405
关键词	生成式知识问答覆盖机制知识表示学习自然语言处理深度学习
ISSN号	0254-4156
DOI	10.16383/j.aas.c190785
英文摘要	针对现有生成式问答模型中陌生词汇导致答案准确率低下的问题和模式混乱导致的词汇重复问题,本文提出引入知识表示学习结果的方法提高模型识别陌生词汇的能力,提高模型准确率.同时本文提出使用全局覆盖机制以平衡不同模式答案生成的概率,减少由预测模式混乱导致的重复输出问题,提高答案的质量.本文在知识问答模型基础上结合知识表示学习的推理结果,使模型具备模糊回答的能力.在合成数据集和现实世界数据集上的实验证明了本模型能够有效地提高生成答案的质量,能对推理知识进行模糊回答.
内容类型	期刊论文
源URL	[http://ir.ia.ac.cn/handle/173211/56260]
专题	自动化研究所_学术期刊_自动化学报
推荐引用方式 GB/T 7714	刘琼昕,王亚男,龙航,等. 基于全局覆盖机制与表示学习的生成式知识问答技术[J]. 自动化学报,2022,48(10):2392-2405.
APA	刘琼昕,王亚男,龙航,王佳升,&卢士帅.(2022).基于全局覆盖机制与表示学习的生成式知识问答技术.自动化学报,48(10),2392-2405.
MLA	刘琼昕,et al."基于全局覆盖机制与表示学习的生成式知识问答技术".自动化学报 48.10(2022):2392-2405.