基于知识图谱的舰船问答系统

摘要

随着数字化改革与海洋信息化建设的推进，对于舰船数据信息整合与知识问答的需求更加迫切。基于知识图谱的问答系统因其相较于传统搜索引擎更智能、更高效、更准确的问答体验，越来越受到研究人员的重视。构建了舰船知识图谱，并基于知识图谱实现了舰船知识问答系统的搭建。为更好地实现知识文本中三元组抽取与用户问题的意图识别，提出了一种融合BERT、卷积神经网络和注意力机制的BERT-CNN-Att命名实体识别模型，以及由BERT和双向长短时记忆网络构成的BERT-BiLSTM关系抽取模型。与知识抽取的传统神经网络不同，命名实体识别模型还引入了词汇反馈和词汇增强机制，实现了低层表征对高层信息的充分利用，极大丰富了语义的表征信息。实验结果表明，模型在命名实体识别与关系抽取任务中取得了很好的效果与明显的速度提升。此外，对问答系统架构进行了详细设计，最终构建了基于知识图谱的交互式舰船知识问答系统，测试结果显示该系统能够满足用户的舰船知识问答需求。

关键词

知识图谱 / 舰船 / 命名实体识别 / 关系抽取 / 问答系统

基金资助

国家自然科学基金(11972371,62276208)