CN115525777B 一种基于自然语言问答的知识图谱三元组显著性评估方法 （东南大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115525777B(45)授权公告日2025.07.01

(21)申请号202211398068.0

(22)申请日2022.11.09

(65)同一申请的已公布的文献号申请公布号CN115525777A

(43)申请公布日2022.12.27

(73)专利权人东南大学

地址210096江苏省南京市玄武区四牌楼2

号

(72)发明人曹玖新曹碧薇高庆清刘波

GO6F16/3329(2025.01)GO6F16/353(2025.01)

GO6F40/30(2020.01)

GO6N5/022(2023.01)

GO6N3/0455(2023.01)

GO6N3/08(2023.01)

G06N3/048(2023.01)

(56)对比文件

CN114218372A,2022.03.22

WO2021031480A1,2021.02.25审查员朱琦

(74)专利代理机构南京众联专利代理有限公司

32206

专利代理师杜静静

(51)Int.CI.

GO6F16/36(2019.01)权利要求书1页说明书3页附图2页

(54)发明名称

一种基于自然语言问答的知识图谱三元组显著性评估方法

(57)摘要

CN115525777B本发明公开了一种基于自然语言问答的知识图谱三元组显著性评估方法，其步骤为：首先对于给定的知识图谱三元组，提取其所包含的关系；然后根据预先设置的不同关系类型所对应的问句生成模板将该三元组转化为自然语言问句的形式；基于所生成的问句序列，可将原始的知识图谱三元组显著性评估任务转化为自然语言问答任务，然后通过本发明所提出的方法进一步微调已有的大型预训练语言模型，最终输出对知识图谱三元组显著性评估结果。该方法在不借助

CN115525777B

知识图谱三元组

知识图谱三元组

关系类别提取

关系类别集合

特定问句生成

问句序列集合

CN115525777B权利要求书1/1页

2

1.一种基于自然语言问答的知识图谱三元组显著性评估方法，其特征在于，根据不同的关系类型设置特定的问句生成模板从而将其转化为自然语言问答任务，然后通过微调大规模预训练语言模型评估知识图谱三元组的显著性，包括如下步骤：

1)对于给定带有真实标签的知识图谱三元组集合，提取该集合中所包含的关系类别；

2)根据步骤1)提取到的关系集合，并根据不同关系设置特定的问句生成模板，模板主要形式有两种分别为“[T]头实体[T]关系[T]尾实体[T]”和“[T]头实体[T]尾实体[T]关系

[T]”,其中“[T]”为触发词或提示词，具体数量和形式根据关系的实际类型来决定，从而将原始的知识图谱三元组显著性评估任务转化为自然语言问答任务；

3)基于步骤2)得到的特定于关系的问句模板，重新构建原有的知识图谱三元组集合，即将原始的知识图谱三元组结构头实体，关系，尾实体通过问句生成模板转化为自然语言问句的形式，从而得到一个新的自然语言问句序列集合；

4)基于步骤3)生成的自然语言问句序列集合，对大规模预训练语言模型进行微调，最终输出对知识图谱三元组显著性的评估结果，具体如下，基于步骤3)得到的自然语言问句序列集合QS,按照9:1的比例将数据划分为两部分：S和T,其中S作为训练集，T作为测试集；并在输入模型时对每一个问句添加额外的“[CLS]”和“[SEP]”标记，然后输入到嵌入层中获得其编码表示，

再输入到自编码模型中从而获得其隐藏层向量表示，

取出最后一层隐藏层向量表示的[CLS]位对应的特征向量HCLS作为其池化层输出，并输入到线性层当中从而映射到对应的标签向量空间；

最后输入到sigmoid激活函数中得到模型最后的输出真实的标签。

2.根据权利要求1所述的一种基于自然语言问答的知识图谱三元组显著性评估方法，其特征在于，所述步骤1)中关系提取的具体方法为：根据知识图谱的三元组格式，提取原始的知识图谱三元组所含有的关系类别。

3.根据权利要求1所述的一种基于自然语言问答的知识图谱三元组显著性评估方法，其特征在于，所述步骤2)中任务转化的具体方法