基于抽象图谱知识增强的知识图谱问答模型

来源：计算机工程与应用杂志2026年第2期北京时间：

作者：许智宏, 贾子楠, 王旭, 王利琴, 董永峰

单位：1.河北工业大学 人工智能与数据科学学院，天津 300401；2.河北省大数据计算重点实验室，天津 300401；3.河北省数据驱动工业智能工程研究中心，天津 300401；

摘要：针对知识图谱问答模型中检索子图规模过大、子图推理效率较低的问题，提出一种基于抽象图谱知识增强的知识图谱问答模型。通过对原始知识图谱中三元组的抽象化处理构建抽象图谱，进而检索问题子图保留关键的三元组信息，避免噪声实体的引入，降低子图规模；以问题子图为参照构建关系图，通过图神经网络更新关系图表示，并以关系图为辅助利用知识图谱嵌入技术增强问题子图的实体表示信息，强化推理过程。所提模型在WebQSP数据集上的Hits@1、F1分别达到了73.3%、69.6%，在CWQ数据集上的Hits@1、F1分别达到了52.1%、47.8%。实验结果表明所提模型的问答性能优于其他模型，避免了知识图谱稀疏性的影响，验证了所提模型的可行性与有效性。

关键词：知识图谱问答,抽象图谱,子图检索,联合推理

基金资助：河北省高等学校科学技术研究项目（ZD2022082）；河北省高等教育教学改革研究与实践项目（2022GJJG049）；国家自然科学基金（62402160）；河北省自然科学基金（F2024202078）。