基于对抗迁移学习与孪生网络的知识库问答
来源：计算机应用与软件杂志2025年第4期北京时间：
作者：方义秋, 李阳, 葛君伟
摘要：传统问答方法通常存在效率不高以及未充分利用数据信息的问题。针对以上问题，在实体识别部分，利用对抗迁移学习融入中文分词边界信息提升实体识别准确性，同时提出基于全局指针的实体标注方法代替CRF提升模型训练效率；在谓词匹配部分，利用孪生网络的思想解决直接使用BERT获取的句向量语义表达不充分的问题。在数据集NLPCC-2016KBQA上取得了85.99%的平均F1值，表明了该方法的可行性。
关键词：实体识别, 谓词匹配, 问答系统, BERT
