多通道特征融合的实体链接模型泛化性能优化

来源：计算机工程与应用杂志2023年第16期北京时间：

作者：陈阳, 万卫兵

单位：上海工程技术大学 电子电气工程学院，上海 201620

摘要：实体链接是知识库问答和知识图谱构建的关键环节，中文语料库的语义表达稀疏，存在大量难以区分的相似实体，一般模型过于依赖除原始问答以外的特征信息，很难完全学习文本特征，使得实体链接准确率难以提高，进而限制了问答等上层应用的性能上限。针对这些问题，聚焦问答系统实体链接的候选生成和候选消歧，将实体消歧视为分类任务，构建了一种基于Bi-LSTM和CNN的多通道网络模型，提出阈值权重拼接策略融合CNN和LSTM通道提取的多维特征。引入双向注意力机制，充分挖掘问句提及表征和知识库实体描述之间的深层语义关系，有效降低问答对额外特征规则的依赖，以便应用在多领域知识库中。实验结果表明，在仅依靠问答原始信息的情况下，提出的实体链接模型显著提高了问答系统的整体性能，并具有较强的泛化性，在公开数据集CCKS2019-CKBQA和NLPCC-2016KBQA中取得了最优的[Acc@1]和[F1]值。

关键词：知识库问答,实体链接,多通道,特征融合,双向注意力机制,泛化性能