2023，59（6）知识图谱将知识以关系以及实体的形式储存，其结构与智能问答系统中问句的主谓结构具有一定的相似性，因此可以根据问句语义解析的结果直接定位到图谱中的知识，为智能问答的实现提供了重要的支撑。而意图识别作为知识图谱智能问答中重要的一环，其准确度直接决定了智能问答的效果。意图识别包含两个关键任务，即问句分类和实体抽取。目前学者们针对意图识别已经进行了大量的研究，特别是联合模型的出现，将问句分类和实体抽取两个模型结合在一起，同步训练、相互影响，充分利用了两个关键任务之间的强相关性，使得开放域问答意图识别的效果获得了巨大的提升。但在专业领域，由于联合模型对于领域知识图谱相关知基于知识图谱的智能问答意图识别联合模型马自力1，王淑营1，张海柱2，黎荣21.西南交通大学计算机与人工智能学院，成都6117562.西南交通大学机械工程学院，成都610031摘要：针对现有意图识别联合模型在专业领域知识图谱问答中容易发生识别领域实体以及问句分类错误的情况，提出一个结合了领域知识图谱的意图识别联合模型。该模型有三步，将领域知识图谱中实体对应的本体标签以及本体间关系导入训练数据集，形成包含本体标签的知识文本以及额外包含本体关系的知识文本图；通过字符级嵌入和位置信息嵌入将包含了本体标签的知识文本转化成嵌入表示并依据知识文本图创建实体关系可视矩阵，明确知识文本各成分的相关程度；将嵌入表示和实体关系可视矩阵输入模型编码层进行模型的训练。以高速列车领域知识图谱为例，经过准确率和召回率的验证，以该方法训练出的模型在高速列车领域问答数据集的意图识别任务上取得了更好的表现。关键词：知识图谱智能问答；意图识别；联合模型文献标志码：A中图分类号：TP3doi：10.3778/j.issn.1002-8331.2206-0419JointModelofIntelligentQ&AIntentRecognitionBasedonKnowledgeGraphMAZili1,WANGShuying1,ZHANGHaizhu2,LIRong21.SchoolofComputingandArtificialIntelligence,SouthwestJiaotongUniversity,Chengdu611756,China2.SchoolofMechanicalEngineering,SouthwestJiaotongUniversity,Chengdu610031,ChinaAbstract：Aimingatthesituationthattheexistingjointmodelofintentionrecognitionispronetoidentifydomainentitiesandquestionclassificationerrorsinthequestionansweringofprofessionaldomainknowledgeatlas,ajointmodelofinten-tionrecognitioncombinedwithdomainknowledgeatlasispropo...
