基于多粒度时间融合的时序知识图谱问答方法

本申请涉及知识图谱，特别是涉及一种基于多粒度时间融合的时序知识图谱问答方法。

背景技术：

1、知识图谱(knowledge graph,kg)作为一种结构化的人类知识形式，是一种基于有向图结构的知识表示形式，其中结点代表实体、概念，边表示各种语义关系，其中将知识表示为形如(头实体，关系，尾实体)的三元组形式。知识图谱对海量多源异构异质的数据语义互通起到了很好的支撑作用，并有效地支持了数据分析等任务，成为了近年来学术界和工业界的研究热点。

2、时序知识图谱(temporal knowledge graph,tkg)是知识图谱的一种变体，它不仅包括实体之间的静态关系，还考虑了这些关系随时间的演变，能更好地刻画实体和关系，提供更精准的知识信息，其中将知识表示为形如(头实体，关系，尾实体，时间)的四元组形式。时序知识图谱在捕捉事物随时间变化的动态性、演进和关联方面具有独特的优势。

3、时序知识图谱问答任务的流程包括，给定一个时序知识图谱和问题，基于问题从时序知识图谱中查找答案，而多粒度时序知识图谱问答除了需要解决时序知识图谱问答任务，还需要处理不同尺度的时间表示，例如日、月、年等。对于这一新兴任务，目前还没有一个非常好的解决方法。

技术实现思路

1、本发明主要面对多粒度时序知识图谱问答任务中，多粒度时间问题回答难题，提出一种基于多粒度时间融合的时序知识图谱问答方法，该方法通过多粒度融合模块将时序知识图谱包含的日粒度时间进行融合，获得月、年粒度的时间表示，获得多粒度时间问题答案。同时通过目标问题语义解析，获得目标问题的类型，实现可用信息的最大化利用，从而显著提升了多粒度时序知识图谱问答效果。

2、本申请采用的技术方案如下：第一方面，本发明提供一种基于多粒度时间融合的时序知识图谱问答方法，包括如下步骤：

3、步骤1，获取目标问题；

4、步骤2，利用所述时序知识图谱中各知识实体的语义表示，查找与所述目标问题中的目标实体相关的知识实体，作为关联实体；其中，所述知识实体的语义表示是通过预训练语言模型编码得到；

5、步骤3，通过语法规则，获取目标问题中的时间；

6、步骤4，目标问题语义解析；其中，解析方式为使用预训练语言模型对目标问题的答案类型进行分类；

7、步骤5，获取时序知识图谱中各知识的图谱表示，并利用多粒度时间聚合模块对时序知识图谱中时间表示进行聚合，得到多粒度时间表示；

8、步骤6，基于时序知识图谱中包含关联实体的至少一条知识，得到所述目标问题的答案。

9、所述步骤2中，进一步地，利用所述时序知识图谱中各知识实体的语义表示，查找与所述目标问题中的目标实体相关的知识实体，作为关联实体，包括以下步骤：

10、利用分词模型将目标问题中单词划分为词汇，并使用预训练语言模型获得词汇的语义表示；

11、使用预训练语言模型获得时序知识图谱中知识实体的语义表示；

12、通过余弦相似度，在时序知识图谱中查找与所述目标问题中词汇匹配的知识实体，作为关联实体。

13、所述步骤3中，进一步地，利用通过语法规则，获取目标问题中的时间，包括以下步骤：

14、对所述目标问题中时间的语法形式进行分析，得到通用匹配表达式；

15、使用通用表达式对所述问题中时间进行匹配；

16、将匹配结果进行标准化，得到年-月-日统一表示形式。

17、所述步骤4中，进一步地，目标问题语义解析，包括以下步骤：

18、使用预训练语言模型对所述目标问题进行特征提取；

19、将提取特征输入到全连接神经网络中进行分类，得到所述目标问题的答案类型。

20、所述步骤5中，进一步地，获取时序知识图谱中各知识的图谱表示，并利用多粒度时间聚合模块对时序知识图谱中时间表示进行聚合，得到多粒度时间表示，包括以下步骤：

21、使用深度时序知识图谱表示学习方法获得时序知识图谱中实体、关系和时间的图谱表示；

22、通过多粒度时间聚合模块获得多粒度时间表示。

23、进一步地，通过多粒度时间聚合模块获得多粒度时间表示，包括以下步骤：

24、获取与粗粒度时间相关的时间图谱表示并按照顺序进行排列；

25、将序列输入一个三层可学习的变压器网络中进行聚合。

26、所述步骤6中，基于时序知识图谱中包含关联实体的至少一条知识，得到所述目标问题的答案，具体为：

27、将所述目标问题使用预训练语言模型获得其特征，其中对于所述目标问题中出现的关联实体及时间，使用其图谱表示进行代替；

28、将所述目标问题的特征作为关系表示，关联实体的图谱表示作为头实体或者尾实体进行问答的预测；

29、使用所述步骤4中所获目标问题的答案类型对预测结果进行筛选，得到最终答案。

30、第二方面，本发明提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法的步骤。

31、第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法的步骤。

32、本申请提供的一种基于多粒度时间融合的时序知识图谱问答方法，在传统的时序知识图谱问答基础上进行改进，首先通过目标问题进行语义分析，得到目标问题答案类型，对答案类型进行过滤。后获取时序知识图谱中各知识的图谱表示，并利用多粒度时间聚合模块对时序知识图谱中时间进行聚合，对知识图谱中的时间信息进行更深入的处理，得到多粒度时间表示，使得问答模型可以回答多粒度时间问题。这种整合了多粒度时间信息的方法使得问答模型更全面，从而显著提升了多粒度时序知识图谱问答效果。

技术特征：

1.一种基于多粒度时间融合的时序知识图谱问答方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤2中，利用所述时序知识图谱中各知识实体的语义表示，查找与所述目标问题中的目标实体相关的知识实体，作为关联实体，包括以下步骤：

3.根据权利要求1所述的方法，其特征在于，所述步骤3中，通过语法规则，获取目标问题中的时间，包括以下步骤：

4.根据权利要求1所述的方法，其特征在于，所述步骤4中目标问题语义解析，包括以下步骤：

5.根据权利要求1所述的方法，其特征在于，所述步骤5中，获取时序知识图谱中各知识的图谱表示，并利用多粒度时间聚合模块对时序知识图谱中时间表示进行聚合，得到多粒度时间表示，包括以下步骤：

6.根据权利要求5所述的方法，其特征在于，所述通过多粒度时间聚合模块获得多粒度时间表示，包括以下步骤：

7.根据权利要求1所述的方法，其特征在于，所述步骤6包括以下步骤：

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-7中任一所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一所述的方法的步骤。

技术总结
本发明公开了一种基于多粒度时间融合的时序知识图谱问答方法，该方法包括：获取目标问题；利用所述时序知识图谱中各知识实体的语义表示，查找与所述目标问题中的目标实体相关的知识实体，作为关联实体；通过语法规则，获取目标问题中的时间；目标问题语义解析；获取时序知识图谱中各知识的图谱表示，并利用多粒度时间聚合模块对时序知识图谱中时间表示进行聚合，得到多粒度时间表示；基于时序知识图谱中包含关联实体的一条知识，得到所述目标问题的答案。上述方法，通过语义解析模块能够更准确地得到问题的回答类型；通过多粒度时间聚合模块得到知识图谱中未包含的多粒度时间表示，进而提高时序知识图谱问答结果的准确性。

技术研发人员：杨杨,王鑫炎,郭伟立
受保护的技术使用者：南京理工大学
技术研发日：
技术公布日：2024/3/17