基于知识图谱的问答方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种基于知识图谱的问答方法、装置、计算机设备及存储介质。所述方法包括：若接收到终端发送的待测问句，识别所述待测问句的实体以及关系；从预设的知识图谱中获取所述待测问句的实体以及关系的候选列表；分别从所述待测问句的实体以及关系的候选列表中挑选一实体或者关系组成特征序列，其中，所述特征序列的各实体与关系之间的代价函数之和最小；根据所述特征序列到预设的图数据库中查询预测结果，并将查询到的预测结果发送给终端，从而能够精确找到从知识图谱中获取待测问句的答案，提高了用户的使用体验。

Q & a method, device, computer equipment and storage medium based on Knowledge Map

【技术实现步骤摘要】
基于知识图谱的问答方法、装置、计算机设备及存储介质
本专利技术涉及知识图谱
，尤其涉及一种基于知识图谱的问答方法、装置、计算机设备及存储介质。
技术介绍
智能问答作为一种实现人工智能的重要方式，现在越来越流行。现有的智能问答通常是基于深度学习模型来完成。深度学习模型的方式需要对大量数据进行建模，对硬件要求高。另外，深度学习是一种隐形知识表示，其难以达到精准的答案，造成的用户体验不好。
技术实现思路
本专利技术实施例提供了一种基于知识图谱的问答方法、装置、计算机设备及存储介质，旨在解决现有智能问答的答案不准确的问题。第一方面，本专利技术实施例提供了一种基于知识图谱的问答方法，其包括若接收到终端发送的待测问句，识别所述待测问句的实体以及关系；从预设的知识图谱中获取所述待测问句的实体以及关系的候选列表；分别从所述待测问句的实体以及关系的候选列表中挑选一实体或者关系组成特征序列，其中，所述特征序列的各实体与关系之间的代价函数之和最小；根据所述特征序列到预设的图数据库中查询预测结果，并将查询到的预测结果发送给终端。第二方面，本专利技术实施例还提供了一种基于知识图谱的问答装置，其包括：识别单元，用于若接收到终端发送的待测问句，识别所述待测问句的实体以及关系；获取单元，用于从预设的知识图谱中获取所述待测问句的实体以及关系的候选列表；第一挑选单元，用于分别从所述待测问句的实体以及关系的候选列表中挑选一实体或者关系组成特征序列，其中，所述特征序列的各实体与关系之间的代价函数之和最小；第一查询单元，用于根据所述特征序列到预设的图数据库中查询预测结果，并将查询到的预测结果发送给终端。第三方面，本专利技术实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。本专利技术实施例的技术方案，若接收到终端发送的待测问句，识别所述待测问句的实体以及关系；从预设的知识图谱中获取所述待测问句的实体以及关系的候选列表；分别从所述待测问句的实体以及关系的候选列表中挑选一实体或者关系组成特征序列，其中，所述特征序列的各实体与关系之间的代价函数之和最小；根据所述特征序列到预设的图数据库中查询预测结果，并将查询到的预测结果发送给终端，从而能够精确找到从知识图谱中获取待测问句的答案，提高了用户的使用体验。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于知识图谱的问答方法的流程示意图；图2为本专利技术实施例提供的计算机设备的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。请参阅图1，图1是本专利技术实施例提供的一种基于知识图谱的问答方法的流程示意图。如图所示，该方法包括以下步骤S1-S4。S1、若接收到终端发送的待测问句，识别所述待测问句的实体以及关系。具体实施中，如果接收到终端发送的待测问句，识别所述待测问句的实体以及关系。待测问句的实体及关系识别主要采用基于BERT与条件随机场的神经网络模型。BERT是一个词向量训练模型。由于BERT生成的词向量具有较强的表达能力，所以使用BERT生成的词向量作为特征提取。条件随机场对当前类别分类能够考虑整个问句的全局特征，提高了分类的准确性。基于BERT与条件随机场的神经网络模型的组成为，第一层为BERT层，第二层为全联接层，第三层为条件随机场层。因此，在一实施例中，以上步骤S1具体包括如下步骤S11-S12。S11，将所述待测问句输入到预设的基于BERT与条件随机场的神经网络模型的BERT层中以提取所述待测问句的特征向量。S12，将所述待测问句分别输入到所述基于BERT与条件随机场的神经网络模型的全联接层以及条件随机场层中，以获取所述待测问句的各词对应的标记，并从所述待测问句的各词对应的标记中提取实体以及关系。S2、从预设的知识图谱中获取所述待测问句的实体以及关系的候选列表。具体实施中，从预设的知识图谱中获取所述待测问句的实体以及关系的候选列表。候选列表产生方法主要采用n-gram与语义相似性相结合的方法。n-gram是一种语言模型，其中n表示文本连续关联的最大长度。首先，对知识图谱中实体采用n-gram方法建立倒排索引，然后计算候选的实体与问句相似性。具体地，在一实施例中，以上步骤S2包括如下步骤S21-S22。S21，通过预设的索引服务器从所述知识图谱中获取所述待测问句的实体以及关系的候选列表。S22，分别获取各候选列表中的实体或关系与所述待测问句的相似度，并且按照相似度由高到低的顺序对各候选列表中的实体或关系进行排序。需要说明的是，候选列表中的实体或关系与待测问句均由BERT算法生成句向量，然后按照余弦方法计算实体或关系与待测问句的相似性。S3、分别从所述待测问句的实体以及关系的候选列表中挑选一实体或者关系组成特征序列，其中，所述特征序列的各实体与关系之间的代价函数之和最小。具体实施中，分别从所述待测问句的实体以及关系的候选列表中挑选一实体或者关系组成特征序列，其中，所述特征序列的各实体与关本文档来自技高网...

【技术保护点】
1.一种基于知识图谱的问答方法，其特征在于，包括：/n若接收到终端发送的待测问句，识别所述待测问句的实体以及关系；/n从预设的知识图谱中获取所述待测问句的实体以及关系的候选列表；/n分别从所述待测问句的实体以及关系的候选列表中挑选一实体或者关系组成特征序列，其中，所述特征序列的各实体与关系之间的代价函数之和最小；/n根据所述特征序列到预设的图数据库中查询预测结果，并将查询到的预测结果发送给终端。/n

【技术特征摘要】
1.一种基于知识图谱的问答方法，其特征在于，包括：
若接收到终端发送的待测问句，识别所述待测问句的实体以及关系；
从预设的知识图谱中获取所述待测问句的实体以及关系的候选列表；
分别从所述待测问句的实体以及关系的候选列表中挑选一实体或者关系组成特征序列，其中，所述特征序列的各实体与关系之间的代价函数之和最小；
根据所述特征序列到预设的图数据库中查询预测结果，并将查询到的预测结果发送给终端。


2.根据权利要求1所述的基于知识图谱的问答方法，其特征在于，所述识别所述待测问句的实体以及关系，包括：
将所述待测问句输入到预设的基于BERT与条件随机场的神经网络模型的BERT层中以提取所述待测问句的特征向量；
将所述待测问句分别输入到所述基于BERT与条件随机场的神经网络模型的全联接层以及条件随机场层中，以获取所述待测问句的各词对应的标记，并从所述待测问句的各词对应的标记中提取实体以及关系。


3.根据权利要求1所述的基于知识图谱的问答方法，其特征在于，所述从预设的知识图谱中获取所述待测问句的实体以及关系的候选列表，包括：
通过预设的索引服务器从所述知识图谱中获取所述待测问句的实体以及关系的候选列表；
分别获取各候选列表中的实体或关系与所述待测问句的相似度，并且按照相似度由高到低的顺序对各候选列表中的实体或关系进行排序。


4.根据权利要求1所述的基于知识图谱的问答方法，其特征在于，所述分别从所述待测问句的实体以及关系的候选列表中挑选一实体或者关系组成特征序列，包括：
计算不同候选列表中任意两个节点之间的距离；
从各候选列表中，挑选使得总代价函数之和最小的序列作为所述特征序列。


5.根据权利要求1所述的基于知识图谱的问答方法，其特征在于，所述根据所述特征序列到预设的图数据库中查询预测结果，包括：
根据所述特征序列的实体和关系到所述图数据库中查询相关的实体；
根据查询到的实体以及所述特征序列的实体到所述图数据库中查询相关的关系；
判断是否查询到相关的关系；
若查询到相关的关...

【专利技术属性】
技术研发人员：廖林伟，金洁，史伟国，盛学军，卢振，
申请(专利权)人：深圳市新国都金服技术有限公司，
类型：发明
国别省市：广东;44