第25卷第1期2023年1月大连民族大学学报JournalofDalianMinzuUniversityVol．25，No．1January2023收稿日期:2022－11－15;最后修回日期:2022－12－10基金项目:国家自然科学基金资助项目(61876031);辽宁省自然科学基金一般项目(2022－BS－104)。作者简介:白鑫竹(1997－)，女，辽宁沈阳人，大连民族大学计算机科学与工程学院硕士研究生，主要从事问答系统研究。文章编号:2096－1383(2023)01－0073－08基于图卷积神经网络和知识图谱的问答方法研究白鑫竹，孟佳娜，许明鑫，齐鹏，江烽(大连民族大学计算机科学与工程学院，辽宁大连116650)摘要:为了解决现实应用场景中具有实时动态的复杂问答问题，提出一种结合图卷积神经网络和动态知识图谱的SpanBEＲT－GCN－LSTM模型。首先利用时序数据构建知识图谱，然后利用图卷积神经网络获取时序数据中的时间信息丰富知识图谱的表示，赋予知识图谱动态特征，最后将事实三元组拓展为带时间四元组表示，用于问答任务。为验证所提出方法的有效性设计了对比实验，结果表明:该模型评价值优于其他模型，能够较好地应用于在时序知识图谱问答任务。关键词:知识图谱;问答;时间信息;图卷积神经网络中图分类号:TP391文献标志码:AＲesearchonQuestionAnsweringMethodBasedonGraphConvolutionalNeuralNetworkandKnowledgeGraphBAIXin－zhu，MENGJia－na，XUMing－xin，QIPeng，JIANGFeng(SchoolofComputerScienceandEngineering，DalianMinzuUniversity，DalianLiaoning116650，China)Abstract:Inordertoanswercomplexquestionswithreal－timedynamicsinrealapplicationsce-narios，thispaperproposesaSpanBEＲT－GCN－LSTMmodelcombininggraphconvolutionalneuralnetworkanddynamicknowledgegraph．First，theknowledgegraphisconstructedusingtimeseriesdata，andthenthegraphconvolutionalneuralnetworkisusedtoobtainthetimein-formationintimeseriesdatatoenrichtherepresentationofknowledgegraph，givingtheknowl-edgegraphdynamiccharacteristics．Finally，thefacttripletisexpandedtoatimedquadruplerepresentationforquestionandanswertasks．Inordertoverifytheeffectivenessoftheproposedmethod，acomparativeexperimentisdesigned．Theresultsshowthattheevaluationvalueofthemodelisbetterthanothermodels，whichcanbebetterappliedtothequestionansweringtaskinthetimeseriesknowledgegraph．Keywords:knowledg...
