7、金融证券知识图谱问答系统与半无监督学习参数分析

金融证券知识图谱问答系统与半无监督学习参数分析

金融证券知识图谱问答系统

系统流程

金融证券知识图谱问答系统（KGQA）主要包含以下关键步骤：
1. 实体匹配 ：将检测到的实体跨度与所有条目进行比较，若超过预定义的阈值，算法返回最佳匹配。
2. 逻辑形式构建 ：这是KGQA系统的最后一步，需要将提取和链接的实体、关系和运算符按正确顺序排列，以使生成的查询返回正确答案。对于基于单事实的问题，由于这类问题通常具有固定结构，只需将先前提取的关系和主题实体填入该固定结构即可。

实验情况

数据集

由于缺乏适合的训练数据集，研究人员生成了人工问题。这些问题包含从金融知识图谱中提取的带注释的关系和实体。实体空间包括两种类型：公司和疑问词（如“what”“when”等）。问题遵循一定的句法模式，通常是疑问词、请求或命令后接关系和相应实体。为使问题更自然，还添加了“the”“is”“of”等填充词。为让模型学习更复杂的表示，对这些部分进行了排列组合，最终形成了包含213,840个问题的数据集。

评估

该框架在分类问题上下文中的正确实体跨度（包括相应实体类型）方面表现出色，宏平均F1分数达到97.18%，微平均F1分数达到98.22%。这可能归因于问题的固定结构、相对较短的长度以及公司名称中某些模式的出现。此外，尽管关系候选空间的规模比其他研究大得多，但系统在问题设置中的关系分类任务上也表现较好，宏平均F1分数为84.60%，微平均分数略低，为83.40%。

总结

由