本发明公开了基于关系检测和强化学习的知识图谱推理方法,包括:基于领域知识图谱和实体字典的字符串模糊匹配和基于CNN‑LSTM‑CRF的实体识别模型,检测用户输入的问句中的实体,完成实体检测;基于神经网络的语义匹配模型完成关系检测,关系检测模型包括:根据输入的问句以及与该问句相关的关系及不相关的关系,通过神经网络得到低维流形表示,基于该低维流形表示,使用rank loss优化模型参数,以使得问句能够从关系集合中找到与其语义最相近的关系;基于强化学习的知识图谱推理,每个时间步,根据策略函数πθ,在当前实体et下,选择一条out‑going的relationrt+1,走到下一个实体et+1,经过预设的最大的推理路径长度T的序列决策,达到最终的实体eT,实体eT作为问句的答案进行输出。
声明:
“基于关系检测和强化学习的知识图谱推理方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)