Knowledge Commons of Institute of Automation,CAS
基于全局覆盖机制与表示学习的生成式知识问答技术 | |
刘琼昕; 王亚男; 龙航; 王佳升; 卢士帅 | |
发表期刊 | 自动化学报 |
ISSN | 0254-4156 |
2022 | |
卷号 | 48期号:10页码:2392-2405 |
摘要 | 针对现有生成式问答模型中陌生词汇导致答案准确率低下的问题和模式混乱导致的词汇重复问题,本文提出引入知识表示学习结果的方法提高模型识别陌生词汇的能力,提高模型准确率.同时本文提出使用全局覆盖机制以平衡不同模式答案生成的概率,减少由预测模式混乱导致的重复输出问题,提高答案的质量.本文在知识问答模型基础上结合知识表示学习的推理结果,使模型具备模糊回答的能力.在合成数据集和现实世界数据集上的实验证明了本模型能够有效地提高生成答案的质量,能对推理知识进行模糊回答. |
关键词 | 生成式知识问答 覆盖机制 知识表示学习 自然语言处理 深度学习 |
DOI | 10.16383/j.aas.c190785 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/56260 |
专题 | 学术期刊_自动化学报 |
推荐引用方式 GB/T 7714 | 刘琼昕,王亚男,龙航,等. 基于全局覆盖机制与表示学习的生成式知识问答技术[J]. 自动化学报,2022,48(10):2392-2405. |
APA | 刘琼昕,王亚男,龙航,王佳升,&卢士帅.(2022).基于全局覆盖机制与表示学习的生成式知识问答技术.自动化学报,48(10),2392-2405. |
MLA | 刘琼昕,et al."基于全局覆盖机制与表示学习的生成式知识问答技术".自动化学报 48.10(2022):2392-2405. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
AAS-CN-2019-0785.pdf(1803KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[刘琼昕]的文章 |
[王亚男]的文章 |
[龙航]的文章 |
百度学术 |
百度学术中相似的文章 |
[刘琼昕]的文章 |
[王亚男]的文章 |
[龙航]的文章 |
必应学术 |
必应学术中相似的文章 |
[刘琼昕]的文章 |
[王亚男]的文章 |
[龙航]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论