摘要
本发明公开了一种知识图谱问答方法，涉及基于知识图谱的自然语言处理领域，包括：获取输入数据和原型向量集合，利用聚类算法计算实体和原型的隶属度，得到实体‑原型隶属度矩阵并更新原型向量集合；根据知识图谱的表达模式约束得到原型关系原型张量，根据原型向量集合、实体‑原型隶属度矩阵和原型关系原型张量得到候选答案集；使用异构图神经网络对候选答案集中跨类型节点进行异构信息聚合和特征传递；训练异构图神经网络的评分模型；连接三元组集合及候选答案集的实体特征和原型表示，得到最终候选答案集并评分和排序，输出前K个评分最高的答案。本发明通过上述方案提高候选答案集的完整度、评分机制的准确性并增强知识图谱问答的拓展性。
