(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210415474.7 (22)申请日 2022.04.20 (71)申请人 中国人民解 放军国防科技大 学 地址 410003 湖南省长 沙市开福区德雅路 109号 (72)发明人 谢伟　黄健　程永靖　王玮盺　 贾国辉　徐小涛　张晨　 (74)专利代理 机构 武汉东喻专利代理事务所 (普通合伙) 42224 专利代理师 王聪聪 (51)Int.Cl. G06F 40/253(2020.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 5/04(2006.01)G06F 16/33(2019.01) (54)发明名称 一种基于全局至局部聚合裂变网络的事实 验证方法及系统 (57)摘要 本申请公开了一种基于全局至局部聚合裂 变网络的事实验证方法及系统， 该方法包括： 将 获取的证据语句解析为语义级关系三元组并作 为证据节点构建全连接图； 执行多跳实体级推 理， 更新证据节点的初始隐层表征 获得第一裂变 表征； 分别将每个证据节点的第一聚合表征进行 邻域信息聚合操作， 得到第二聚合表征； 根据所 述第二聚合表征选取预设数量个价值度最高的 证据节点； 根据选取的证据节点以及声明的表征 信息计算预测概率， 输出预测概率最大的预测标 签作为所述声明的验证结果； 本发 明通过全局至 局部聚合裂变网络， 获得细粒度的线索表征， 并 采用与迭代操作实现多跳推理以及更高阶的信 息聚合， 获取足够的逻辑关系， 提高了事实语义 验证的效率和准确性。 权利要求书2页 说明书11页 附图4页 CN 114818673 A 2022.07.29 CN 114818673 A 1.一种基于全局至局部聚合裂变网络的事实验证方法， 其特征在于， 所述方法包括以 下步骤； 获取声明与多个证据语句， 将每个所述证据语句解析为至少一个语义级关系三元组； 以各所述语义级关系三元组作为证据节点构建全连接图并分别生成每个证据节点的初始 隐层表征； 在每个证据节点及其相邻 证据节点之间进行多跳实体级对象推理， 根据 所述相邻 证据 节点的初始隐层表征对证据节点的初始隐层表征进行更新， 获得每个证据 节点的第一裂变 表征并将其 转换为第一聚合表征； 分别将每 个证据节点的第一聚合表征进行邻域信息聚合操作， 得到第二聚合表征； 根据所述第二聚合表征从全连接图中选取 预设数量个价 值度最高的证据节点； 根据选取的证据节点的第 二聚合表征以及声明的初始隐层表征计算预测概率， 输出所 述预测概 率最大的预测标签作为所述声明的验证结果。 2.如权利要求1所述的基于全局至局部聚合裂变网络的事实验证方法， 其特征在于， 还 包括： 将每个证据节点的第 二聚合表征转换为第 二裂变表征， 基于所述第 二裂变表征对每个 证据节点迭代执 行邻域信息聚合操作。 3.如权利要求1所述的基于全局至局部聚合裂变网络的事实验证方法， 其特征在于， 所 述第一裂 变表征的获取 方式具体为： 对于每个证据节点， 分别计算其初始隐层表征中的对象表征与每个相邻证据节点的初 始隐层表征中的主体表征之间的第一向量相似度； 根据所述第一向量相似度分别计算每 个相邻证据节点对应的第一注意力权 重； 根据所述第一注意力权重及相邻证据节点的初始隐层表征计算表征相邻证据节点的 注意力向量； 根据所述注意力向量及证据节点的对象表征更新证据节点的初始隐层表征， 得到第 一 裂变表征。 4.如权利要求1所述的基于全局至局部聚合裂变网络的事实验证方法， 其特征在于， 所 述分别将每 个证据节点的第一聚合表征进行邻域信息操作， 得到第二聚合表征 具体为： 根据每个证据节点及其相邻证据节点的第一聚合表征计算节点之间的第二向量相似 度； 根据所述第二向量相似度分别计算每 个相邻证据节点对应的第二注意力权 重； 根据所述第 二注意力 权重将各相邻证据节点的第 一聚合表征进行整合， 得到每个证据 节点的第二聚合表征。 5.如权利要求1所述的基于全局至局部聚合裂变网络的事实验证方法， 其特征在于， 所 述根据第二聚合表征从全连接图中选取 预设数量个价 值度最高的证据节点， 具体为： 计算声明的初始隐层表征与每 个证据节点之间的第二聚合表征之间的语义相似度； 通过池化操作选取 预设数量个 语义相似度最高的证据节点。 6.如权利要求1或5所述的基于全局至局部聚合裂变网络的事实验证方法， 其特征在 于， 所述根据选取的证据 节点的第二聚合表征以及声明的初始隐层表征计算预测概率具体 为；权　利　要　求　书 1/2 页 2 CN 114818673 A 2根据声明的初始隐层表征与选取的证据节点的第二聚合表征生成细粒度标签预测概 率； 根据声明的初始隐层表征与所述选取的证据节点的第二聚合表征之间的语义相似度 计算证据选择概 率； 通过所述细粒度标签预测概 率与证据选择概 率计算预测概 率。 7.如权利要求6所述的基于全局至局部聚合裂变网络的事实验证方法， 其特征在于， 所 述预测概 率为选取的各证据节点的细粒度标签预测概 率与证据选择概 率的乘积之和。 8.如权利要求1所述的基于全局至局部聚合裂变网络的事实验证方法， 其特征在于， 所 述语义级关系三元组包括证据节点的主体、 关系和对 象； 每个证据节点的初始隐层表征包 括主体表征、 关系表征和对象表征。 9.如权利要求1所述的基于全局至局部聚合裂变网络的事实验证方法， 其特征在于， 所 述预测标签为支持、 反对以及信息不足中的任一 者。 10.一种基于全局至局部聚合裂 变网络的事实验证系统， 其特 征在于， 包括： 全局语义编码器， 获取声明与多个证据语句， 将每个所述证据语句解析为至少一个语 义级关系三元组； 以各所述语义级关系三元组作为证据节点构建全连接图并分别生成每个 证据节点的初始隐层表征； 局部裂变推理层， 在每个证据节点及其相邻证据节点之间进行多跳实体级对象推理， 根据所述相邻证据节 点的初始隐层表征对证据节 点的初始隐层表征进 行更新， 获得每个证 据节点的第一裂 变表征并将其 转换为第一聚合表征； 全局证据聚合层， 分别将每个证据节点的第一聚合表征进行邻域信息聚合操作， 得到 第二聚合表征； 池化层， 根据所述第二聚合表征从全连接图中选取预设数量个价值度最高的证据节 点； 多层感知器， 根据选取的证据节点的第 二聚合表征以及声明的初始隐层表征计算预测 概率， 输出所述预测概 率最大的预测标签作为所述声明的验证结果。权　利　要　求　书 2/2 页 3 CN 114818673 A 3