一种面向自然语言的内容多样化搜索方法技术

本发明专利技术公开了一种面向自然语言的内容多样化搜索方法，主要为对用户的查询语句进行理解，再通过实体识别、文本表示、实体关系抽取等技术将自然语言查询转换成带有“查询焦点”的查询模式图；随后利用结构匹配的方法将查询模式图与知识图谱进行匹配计算，得到一系列满足查询要求的结果；最后再通过多样化计算，得到Top‑k个与“查询焦点”高度相关，且多样化的查询结果，从而更好地满足用户的查询需求。本发明专利技术的方法可为用户提供更为多样化的检索内容，且搜索速度快。

【技术实现步骤摘要】
一种面向自然语言的内容多样化搜索方法
本专利技术涉及搜索方法
，特别涉及一种面向自然语言的内容多样化搜索方法。
技术介绍
知识图谱是将海量信息用结构化的方式组织起来，高效地为用户的查询提供答案，因此，近年来它在学术界和工业界引起了广泛的关注。在知识图谱中，查询计算主要采用结构匹配的方式。也就是说，给定一个查询模式图和知识图谱，在知识图谱中找到与查询模式图相匹配的所有匹配项。查询知识图谱的关键在于查询理解和查询计算。在使用知识图谱时主要容易遇到以下问题：首先，由于用户的查询通常是用自然语言来表达的，这样的语言不能直接用知识图谱来计算。因此，需要先将自然语言查询转换为查询模式图。其次，知识图谱通常规模很大，并且主要是依据子图同构的方式进行计算。因此，现有技术中知识图谱的使用主要存在以下三方面的问题：(a)由于输入大，计算复杂性高，查询计算的计算量往往过大；(b)由于查询模式图在知识图谱中可能存在大量的匹配结果，因此理解查询结果比较困难；(c)用户通常感兴趣的是与“查询焦点”相匹配的Top-k个最优结果，且这些结果应尽可能的多样化。
技术实现思路
本专利技术的目的是克服上述
技术介绍
中不足本文档来自技高网...

【技术保护点】
1.一种面向自然语言的内容多样化搜索方法，其特征在于，包含以下步骤：S1.利用CRF++工具对由自然语言描述的查询语句进行实体识别；S2.采用word2vec技术对实体进行消歧处理，其中，若识别出的实体在知识图谱中不存在，则采用相似度计算的方法查找语义相近的实体；S3.采用无监督的实体关系识别方法，利用距离特征、频次特征、关系指示词特征建立实体关系识别模型，提取查询语句中的“实体——实体”的实体对关系；S4.以实体为节点，“实体——实体”关系为边，建立查询模式图，并对查询语句中的“查询焦点”在查询模式图中予以标注；S5.利用子图同构算法将查询模式图与知识图谱进行结构匹配，返回与“查询焦点”相匹...

【技术特征摘要】
1.一种面向自然语言的内容多样化搜索方法，其特征在于，包含以下步骤：S1.利用CRF++工具对由自然语言描述的查询语句进行实体识别；S2.采用word2vec技术对实体进行消歧处理，其中，若识别出的实体在知识图谱中不存在，则采用相似度计算的方法查找语义相近的实体；S3.采用无监督的实体关系识别方法，利用距离特征、频次特征、关系指示词特征建立实体关系识别模型，提取查询语句中的“实体——实体”的实体对关系；S4.以实体为节点，“实体——实体”关系为边，建立查询模式图，并对查询语句中的“查询焦点”在查询模式图中予以标注；S5.利用子图同构算法将查询模式图与知识图谱进行结构匹配，返回与“查询焦点”相匹配的“对象”集合；S6.采用结果多样化技术，选择Top-k个对象作为查询结果。2.根据权利要求1所述的一种面向自然语言的内容多样化搜索方法，其特征在于，所述步骤S1具体为：S11.利用分词工具对训练语料进行粗标记；S12.对粗标后的训练再进行人工细标，得到标注准确的语料作为训练样本；S13.利用CRF++工具对训练样本进行训练，产生用于实体识别的模型，并利用该模型识别自然语言查询语句中的实体。3.根据权利要求2所述的一种面向自然语言的内容多样化搜索方法，其特征在于，所述步骤S2具体为：S21.对语料分词，然后使用word2vec计算语料中多次出现的词的词向量；S22.当知识图谱中不存在用户输入的查询语句所包含的实体时，该实体即为未知实体，基于余弦法计算未知实体与词典中其他词的相似度，选择相似度最高的词替代未知实体。4.根据权利要求3所述的一种面向自然语言的内容多样化搜索方法，其特征在于，所述步骤S3具体为：S31.统计文本文档，查找距离特征，得到词间距离与实体对存在关系的概率分布图，其中，当实体对间的距离为2时，该实体对存在关系的概率最大，随着词间距离增大，实体对存在关系的概率逐渐减小；S32.计算实体对出现频次，其中，有效的实体对在文本文档中出现的频次越高，实体对间存在关系的概率...

【专利技术属性】
技术研发人员：王欣，杨兰，展华益，孙锐，钟吉英，赵亮，谭斌，许洛，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川,51