基于认知推理的知识图谱多跳问答方法及模型

摘要

本发明公开了一种基于认知推理的知识图谱多跳问答方法及模型，方法包括：步骤1，从给定的问题‑答案对数据中随机选取多批次的数据作为训练集；步骤2，以训练集作为输入，训练深层认知推理网络模型的参数，并通过神经网络优化器以使训练过程中损失函数的值最小化为目标，对深层认知推理网络模型进行优化，得到优化后的网络模型；步骤3，通过优化后的网络模型对测试集中的问题进行处理，并对各个候选答案实体打分，得分最高的候选答案实体即为给定自然语言问题的答案。通过模拟人类的认知推理机制，由层次化的网络模型从不同角度进行知识推理，有效地利用并建模了知识图谱中的节点级别与边级别的信息，对知识图谱多跳问答取得显著性能提升。