摘要：知识图谱问答(KBQA)旨在理解用户的自然语言问句,在结构化的知识图谱中通过检索、推理等手段来获取答案实体。近年来,多跳KBQA备受关注,然而,复杂问句中通常存在多个关系意图,已有KBQA方法大多忽视了推理关系链的关系顺序问题。为此,提出一种基于层次结构图的多跳知识图谱问答模型(HSG-KBQA),建模自然语言问句的关系层次顺序,指导模型在每个推理步选择合理的关系意图。设计一种层次结构图,显式地体现问句中关系的层次距离,利用LSTM-BiGCN编码层将词语间的依存信息编码到问句中;提出虚拟节点的概念,利用图池化技术过滤不重要的节点,学习推理过程中知识图谱的状态;设计基于注意力机制和层次权重的解码器来优化指令生成,使推理指令更匹配问句中的关系链顺序。实验结果表明,HSG-KBQA在WebQuestionsSP数据集上取得了71.3%的Hits@1分数,在PathQuestions数据集上取得了97.3%(PQ-2H)和89.7%(PQ-3H)的Hits@1分数,均优于对照基准模型,表明HSG-KBQA模型在KBQA任务中具有更好的性能。

摘要：为了填补当前课程思政素材库的空白,进一步推动并加强课程思政建设,提出一种基于知识图谱的课程思政素材库构建方案。面向课程思政领域的应用特点,开展本体设计、命名实体识别、关系抽取等方法的研究,并进行初步实践。以大学计算机基础课程为例,通过与现有思政方案进行对照,基于该方案所构建的素材库可包含70%以上的关键课程思政素材。由此可见,基于知识图谱构建素材库是合理的,其素材库具有较好的覆盖性。