林殷年关于基于知识图谱的自然语言问答的论文“Deep-gAnswer: A Knowledge Based Question Answering System”被APWEB-WAIM 2021接收。

知识图谱以结构化的形式表示现实世界中的实体和关系，基于知识图谱的自然语言问答一直以来都是自然语言处理领域的热点问题。基于知识图谱的自然语言问答通常包括实体识别、关系识别、路径/查询生成、结果检索等步骤。 

这篇文章基于本实验室先前工作gAnswer进行了改进。gAnswer在进行实体识别与关系识别时，依赖基于启发式规则和先验数据的第三方工具。本文尝试引入深度神经网络预训练模型升级gAnswer系统中的实体识别与关系识别部分，大幅提高其准确度。