基于知识图谱增强的自然语言推理方法研究.pdfVIP

总第414期计算机与数字工程Vol.52No.4

ComputerDigitalEngineering

2024年第4期计算机与数字工程1115

2024年第4期

基于知识图谱增强的自然语言推理方法研究∗

1112

朱彦戚瑶瑶凌骏陶思雨

（1.上海电气电站集团上海201199）（2.华东师范大学上海200062）

摘要自然语言推理（NLI）是自然语言处理中的一项重要任务。它旨在识别两个句子之间存在的逻辑关系。大多

数现有的方法通过使用训练语料库从而获得的语义知识进行推理，而忽略了背景知识的使用以及引入。在该工作中，为了

解决这个问题，论文提出一种新的基于知识图谱增强的NLI（KGNET）模型，从而在NLI任务重引入相关领域知识的增强。

KGNET模型由三个组件组成：语义关系表示模块、知识关系表示模块、和标签预测模块。该模型在两个基准数据集（SNLI和

MultiNLI）上的实验验证了模型的有效性。

关键词自然语言推理；知识图谱；图神经网络；外部知识

中图分类号TP181DOI：10.3969/j.issn.1672-9722.2024.04.027

ResearchonNaturalLanguageInterfaceMethodBasedon

KnowledgeGraphEnhancement

1112

ZHUYanQIYaoyaoLINGJunTAOSiyu

（1.ShanghaiElectricGroup，Shanghai201199）（2.EastChinaNormalUniversity，Shanghai200062）

AbstractNaturallanguageinference（NLI）isanimportanttaskinnaturallanguageprocessing.Itaimstoidentifythelogical

relationshipthatexistsbetweentwosentences.Mostexistingmethodsusethesemanticknowledgeobtainedfromthetrainingcorpus

forreasoning.Butitignorestheuseandintroductionofbackgroundknowledge.Inthiswork，tosolvethisproblem，anewNLI（KG⁃

NET）modelisproposedbasedonknowledgegraphenhancement，soastointroducetheenhancementofrelateddomainknowledge

intheNLItask.TheKGNETmodeliscomposedofthreecomponents，whichareasemanticrelationshiprepresentationmodule，a

knowledgerelationshiprepresentationmoduleandalabelpredictionmodule.Theexperimentsofthemodelontwobenchmarkdatas⁃

ets（SNLIandMultiNLI）verifytheeffectivenessofthemodel.

KeyWordsnaturallanguageinterface，knowledgegraph，graphneuralnetwork，externalknowledge

ClassNumberTP181