基于历史文化知识图谱的问答模型研究

利用知识图谱技术整合历史文化资源，对历史文化的传承和保护具有现实意义.针对现存历史文化领域问答系统构建中存在用户问句识别精准度不高、深层语义匹配不准确的问题，提出了一种知识嵌入的语言表示模型(K-ERNIE-LSTM).该模型先通过构建历史文化领域知识图谱，将其中三元组作为领域知识注入到句子中；而后利用ERNIE预训练模型获取文本的语义信息，再用LSTM提取文本特征；最后使用softmax函数获得最终的标签分类结果.实验结果表明，该模型在文化领域数据集上具有80.20%的准确率、82.68%的召回率和81.42%的F1得分，性能较其他方法得到明显提升.