基于知识图谱和知识库的大模型对话系统（三）

补全知识图谱

数据准备:

• 使用现有的知识图谱作为基础数据源。

• 将数据集分为50%的训练/验证数据和50%的测试数据。

1. 实体关系抽取模型:

   • 模型包括编码器（Encoder）和解码器（Decoder），以及中间层处理逻辑。

     • 编码器:

       • 基础模型是ERNIE（Enhanced Representation through kNowledge IntEgration），这是一种预训练的语言模型。

       • 经过多个Transformer块进行处理，输出序列H。

     • 关系分类器:

       • 输入Q（查询）、S（句子）和M1、M2（共享参数）。

       • 通过一系列操作得到实体G。

     • 解码器:

       • 包括前馈神经网络、交叉注意力和自注意力机制。

       • 最终输出Q。

2. 模型评估与筛选:

   • 根据设定的临界值θ1和θ2来决定是否舍弃或人工筛选模型。

   • 如果大于临界值θ1，则直接舍弃；否则进入下一步骤。

   • 如果大于临界值θ2，则由人工进一步筛选；否则更新知识图谱并进行迭代更新。

3. 迭代更新:

   • 对知识图谱进行迭代更新，以改进模型性能。