结合图卷积模型和共享编码的知识图谱问答方法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（7）233

结合图卷积模型和共享编码的知识图谱问答方法

12，3+2，32，32，32，3

田侃，曹新汶，张浩然，先兴平，吴涛，宋秀丽

1.重庆邮电大学重庆中国三峡博物馆智慧文博联合实验室，重庆400065

2.重庆邮电大学网络空间安全与信息法学院，重庆400065

3.重庆邮电大学网络与信息安全技术重庆市工程实验室，重庆400065

+通信作者E-mail：398291796@

摘要：知识图谱问答技术正广泛应用于智能对话和个性化推荐等智慧信息服务中，它通过图结构明确表示和建模

知识，实现实体链接和答案推理具有良好的可控度和解释性。然而，当前的实体链接方法具有准确率不高、忽略邻

居信息等不足。同时，答案推理方法缺乏高效的面向问句与图谱的信息编码机制。针对上述挑战，提出了一种基于

图卷积网络和关系匹配聚合、可聚合邻居信息且不依赖外部工具的实体链接方法，并设计了一种基于共享编码和协

同注意力的、促进问句与图谱信息进行高效匹配的答案推理方法。与传统方法主要关注答案推理任务、基于工具实

现实体链接不同，提出的知识图谱问答方法能够同时处理实体链接和答案推理任务。实验结果表明，所提方法的性

能均优于传统模型。此外，通过图谱信息的重要性分析实验，揭示了各类图谱信息对于实体链接和答案推理任务的

重要性。

关键词：知识图谱问答；实体链接；答案推理；图神经网络

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2311-0317

KnowledgeGraphQuestionAnsweringwithSharedEncodingandGraphConvolutionNetworks

12,3+2,32,32,32,3

TIANKan,CAOXinwen,ZHANGHaoran,XIANXingping,WUTao,SONGXiuli

1.ChongqingThreeGorgesMuseumSmartCulturalandCreativeCollaborationLaboratory,ChongqingUniversityof

PostsandTelecommunications,Chongqing400065,China

2.SchoolofCyberSecurityandInformationLaw,ChongqingUniversityofPostsandTelecommunications,Chongqing

400065,China

3.ChongqingKeyLaboratoryofCyberspaceandInformationSecurity,ChongqingUniversityofPostsandTelecommuni-

cations,Chongqing400065,China

Abstract：Knowledgegraphquestionansweringtechnologiesarewidelyusedindialoguesystems,recommendationsystems,

andotherintelligentservices,whichexplicitlyrepresentsandmodelsknowledgethroughgraphstructurestoachieveentity

linkingandanswerreasoningwithgoodcontrollabilityandinterpretability.However,existingentitylinkingmethodssuffer

fromlowaccura