5、基于本体的端到端领域导向知识库问答系统及土耳其金融事件提取语料研究

基于本体的端到端领域导向知识库问答系统及土耳其金融事件提取语料研究

1. 知识库问答系统方法

知识库问答（KBQA）方法不仅涉及自然语言问题处理，还包括基于知识图谱三元组的问题生成以及用于训练和推理的数据集收集。
- 问题处理 ：将知识库实体和关系提取视为槽填充和意图检测。采用JointBERT在基于知识图谱的数据集上进行微调，以检索形成相应SPARQL查询和获取答案所需的信息。
- 问题生成 ：利用知识图谱的三元组进行问题生成，以收集用于模型训练的数据集。具体步骤如下：
1. 实体处理 ：三元组数据集以{主体; 谓词; 对象}形式表示，其他数据集（二元组、随机放置的二元组、释义上下文、释义关系）包含主体或对象，模拟单跳问题。
2. 关系处理 ：知识图谱的关系被手动转换为领域语言句子，并使用多语言T5版本进行释义。在释义上下文数据集中，关系还会添加自然语言问题语法。
3. 实体和关系链接 ：从知识图谱中检索的实体以规范形式（{主体; 谓词; 对象}）或随机方式插入手工制作和释义的句子中，以获得相关问题。

以下是收集的数据集示例：
| 数据集 | 示例 |
| — | — |
| 三元组 | Renault Logan CO2 emission rating 97 g/km |
| 二元组 | Renault Logan CO2 emission rating |
| 随机放置的二元组 | CO2 emission