龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明提出一种基于GNN模型的知识库问答方法及系统，包括：1上下文特征学习，利用Bert模型通过联系上下文语义进行学习，根据上下文输出特征表示获得更多的语义信息；2意图识别：由基于BERT_GNN_TextCNN模型进行意图识别，Bert_TextCNN模型由Bert模型、图神经网络GNN与TextCNN模型组成，包括词嵌入层、卷积层、池化层、融合层和全连接层；3槽位填充：采用Bert_GNN_TextCNN_CRF模型进行槽位填充。本申请将GNN模型的输出集成到模型中，能够更全面地捕捉输入之间的全局关系，尤其是在处理具有复杂依赖关系的数据时，有助于提高模型对全局信息的感知能力，增强模型对语义关系的理解，有助于提高模型在自然语言处理任务中的表现。利用GNN模型输出可以更好发挥图神经网络的优势，避免丢失关键的图结构信息。
主权项：1.一种基于GNN模型的知识库问答方法，其特征在于，包括以下步骤：1上下文特征学习：Bert模型通过联系上下文语义进行学习，根据上下文输出特征表示获得更多的语义信息。2意图识别：由基于BERT_GNN_TextCNN模型进行意图识别，Bert_TextCNN模型由Bert模型、图神经网络GNN与TextCNN模型组成，包括词嵌入层、卷积层、池化层、融合层和全连接层。3槽位填充：采用Bert_GNN_TextCNN_CRF模型进行槽位填充。
全文数据：
权利要求：
百度查询： 北京新数科技有限公司 一种基于GNN模型的知识库问答方法、系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号