一种基于GNN模型的知识库问答方法、系统

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。