基于知识图谱的问答方法及系统、计算机设备及介质技术方案

本发明专利技术公开一种基于知识图谱的问答方法及系统、计算机设备及介质。该方法的一具体实施方式包括：接收用户输入的问询语句；响应于用户的实体链接查询请求，将所述问询语句中的实体指称项在知识图谱中映射的目标实体进行显示；响应于用户的知识图谱查询请求，将目标实体对应的结果进行显示。该实施方式具有响应快速、具有较高的准确率等优点，适于在各领域进行应用。

Q & a method, system, computer equipment and media based on Knowledge Map

【技术实现步骤摘要】
基于知识图谱的问答方法及系统、计算机设备及介质
本专利技术涉及计算机
更具体地，涉及一种基于知识图谱的问答方法及系统、计算机设备及介质。
技术介绍
传统的FAQ问答系统需要准备问答对，耗费人力且覆盖面窄。知识图谱是当前知识工程领域的研究热点，以医学知识图谱为例，可利用医学知识图谱技术将各种医疗信息相互连接，广泛用于支持问答、辅助决策支持等智能医疗应用。基于医学知识图谱的问答系统答案简练精确且覆盖面广，以“高血压的典型症状是什么？”为例，FAQ问答系统需要人工解答保存或爬虫提取该问题的答案进行筛选，耗费人力，且需要进行句子层级的问题相似度匹配，例如“我经常头晕乏力是得了高血压吗”这种问题很难在FAQ数据库中与“高血压的典型症状是什么？”匹配上，而基于医学知识图谱的问答系统，根据命名实体识别可提取用户输入的问题语句中的疾病名称与症状，进而查询到得到较精确的回答。但是，文本中自然语言的表述往往具有多样性和歧义性，存在大量的简写、缩写、不规范的表达和模糊的表达，例如“肾移植”既可作为治疗手段，也可作为发病原因，再例如“彩色超声多普勒”、“彩色超声Doppler检查”、“彩色多普勒超声检查”均指代同一检查方式，这就导致了现有的例如基于医学知识图谱的问答系统等各种基于知识图谱的问答系统存在着响应速度较慢、准确性不足等问题。因此，需要提供一种新的基于知识图谱的问答方法及系统、计算机设备及介质。
技术实现思路
本专利技术的目的在于提供一种基于知识图谱的问答方法及系统、计算机设备及介质，以解决现有技术存在的问题中的至少一个。为达到上述目的，本专利技术采用下述技术方案：本专利技术第一方面提供了一种基于知识图谱的问答方法，包括：接收用户输入的问询语句；响应于用户的实体链接查询请求，将所述问询语句中的实体指称项在知识图谱中映射的目标实体进行显示；响应于用户的知识图谱查询请求，将目标实体对应的结果进行显示。本专利技术第一方面提供的问答方法，将可能存在简写、缩写、不规范的表达和模糊的表达的用户输入语句映射为知识图谱中的目标实体，从而可准确查询到答案，具有响应快速、具有较高的准确率等优点，适于在各领域进行应用。可选地，所述响应于用户的实体链接查询请求，将所述问询语句中的实体指称项在知识图谱中映射的目标实体进行显示包括：解析问询语句中的实体指称项；对解析出的实体指称项与知识图谱中的目标实体进行实体链接，得到所述实体指称项在知识图谱中映射的目标实体；将所述映射的目标实体进行显示。此可选方式通过实体链接将可能存在简写、缩写、不规范的表达和模糊的表达的用户输入语句准确映射为知识图谱中的目标实体，可保证查询到的答案的准确性。可选地，所述对解析出的实体指称项与知识图谱中的目标实体进行实体链接，得到所述实体指称项在知识图谱中映射的目标实体包括：提取所述实体指称项的语义特征向量并将所述实体指称项的语义特征向量输入预设的神经网络，以使得所述神经网络对所述实体指称项的语义特征向量与知识图谱中的各目标实体的的语义特征向量进行匹配并输出所述实体指称项在知识图谱中映射的目标实体。此可选方式可通过神经网络对实体指称项进行准确高效的分类判断，保证实体链接的效率与准确性，从而保证问答的响应速度和答案的准确性。可选地，所述对解析出的实体指称项与知识图谱中的目标实体进行实体链接，得到所述实体指称项在知识图谱中映射的目标实体包括：步骤一、对实体指称项进行与知识图谱中的各目标实体的匹配，若存在匹配结果则将匹配结果中的目标实体作为所述实体指称项在知识图谱中映射的目标实体，若不存在则转入步骤二；步骤二、对实体指称项进行名称词典查询，其中，名称词典包括各目标实体的标准名称及至少一个别称，若存在包含实体指称项的别称则将对应的目标实体作为所述实体指称项在知识图谱中映射的目标实体，若不存在则转入步骤三；步骤三、提取所述实体指称项的语义特征向量并将所述实体指称项的语义特征向量输入预设的神经网络，以使得所述神经网络对所述实体指称项的语义特征向量与知识图谱中的各目标实体的的语义特征向量进行匹配并输出所述实体指称项在知识图谱中映射的目标实体。此可选方式基于综合执行效率、有效性等因素而设定为依次执行的多种实现实体链接的方式，可在保证实体链接的准确性的同时进一步提升实体链接的效率，以在保证答案准确性的同时进一步提升问答的响应速度。可选地，所述提取所述实体指称项的语义特征向量并将所述实体指称项的语义特征向量输入预设的神经网络，以使得所述神经网络对所述实体指称项的语义特征向量与知识图谱中的各目标实体的的语义特征向量进行匹配并输出所述实体指称项在知识图谱中映射的目标实体包括：根据所述实体指称项与知识图谱中的各目标实体的特征比对，生成候选目标实体集；提取所述实体指称项的语义特征向量并将所述实体指称项的语义特征向量输入预设的神经网络，以使得所述神经网络对所述实体指称项的语义特征向量与候选目标实体集中的目标实体的的语义特征向量进行匹配并输出所述实体指称项在知识图谱中映射的目标实体。此可选方式可提升实体链接的效率，以提升问答的响应速度。可选地，所述根据所述实体指称项与知识图谱中的各目标实体的特征比对，生成候选目标实体集包括：对实体指称项与知识图谱中的各目标实体分别进行基于局部字符串匹配特征、拼音一致特征、首字符一致特征与戴斯相似系数的特征比对，若局部字符串匹配特征、拼音一致特征、首字符一致特征与戴斯相似系数中的一项符合，则将对应的目标实体置入候选目标实体集中。此可选方式基于多种特征的比对，可保证候选目标实体集的准确率与召回率，可在保证候选目标实体集准确性的同时保证提升实体链接的效率的效果，以在保证答案准确性的同时提升问答的响应速度。可选地，在所述提取所述实体指称项的语义特征向量并将所述实体指称项的语义特征向量输入预设的神经网络之前，还包括：对所述候选目标实体集中的目标实体进行筛选。此可选方式可通过对候选目标实体集中的目标实体的筛选，进一步提升实体链接的效率，以进一步提升问答的响应速度。可选地，所述对所述候选目标实体集中的目标实体进行筛选包括：对所述候选目标实体集中的目标实体进行同存关键词筛选、基于同义词替换的同存关键词筛选、基于字符长度差的筛选中的至少一项。此可选方式基于多维度的筛选，可保证候选目标实体集的准确率与召回率，可在保证候选目标实体集准确性的同时保证进一步提升实体链接的效率的效果，以在保证答案准确性的同时进一步提升问答的响应速度。可选地，所述神经网络为基于Keras深度学习框架的神经网络。可选地，所述知识图谱为医学知识图谱。本专利技术第二方面提供了一种执行本专利技术第一方面提供的问答方法的基于知识图谱的问答系统，包括交互模块、实体链接查询模块、目标实体显示模块、知识图谱查询模块和问询结果显示模块；所述交互模块，用于接收用户输入的问询语句；所述实体链接查询模块，用于响应于本文档来自技高网...

【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接收用户输入的问询语句；/n响应于用户的实体链接查询请求，将所述问询语句中的实体指称项在知识图谱中映射的目标实体进行显示；/n响应于用户的知识图谱查询请求，将目标实体对应的结果进行显示。/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：
接收用户输入的问询语句；
响应于用户的实体链接查询请求，将所述问询语句中的实体指称项在知识图谱中映射的目标实体进行显示；
响应于用户的知识图谱查询请求，将目标实体对应的结果进行显示。


2.根据权利要求1所述的方法，其特征在于，所述响应于用户的实体链接查询请求，将所述问询语句中的实体指称项在知识图谱中映射的目标实体进行显示包括：
解析问询语句中的实体指称项；
对解析出的实体指称项与知识图谱中的目标实体进行实体链接，得到所述实体指称项在知识图谱中映射的目标实体；
将所述映射的目标实体进行显示。


3.根据权利要求2所述的方法，其特征在于，所述对解析出的实体指称项与知识图谱中的目标实体进行实体链接，得到所述实体指称项在知识图谱中映射的目标实体包括：
提取所述实体指称项的语义特征向量并将所述实体指称项的语义特征向量输入预设的神经网络，以使得所述神经网络对所述实体指称项的语义特征向量与知识图谱中的各目标实体的的语义特征向量进行匹配并输出所述实体指称项在知识图谱中映射的目标实体。


4.根据权利要求2所述的方法，其特征在于，所述对解析出的实体指称项与知识图谱中的目标实体进行实体链接，得到所述实体指称项在知识图谱中映射的目标实体包括：
步骤一、对实体指称项进行与知识图谱中的各目标实体的匹配，若存在匹配结果则将匹配结果中的目标实体作为所述实体指称项在知识图谱中映射的目标实体，若不存在则转入步骤二；
步骤二、对实体指称项进行名称词典查询，其中，名称词典包括各目标实体的标准名称及至少一个别称，若存在包含实体指称项的别称则将对应的目标实体作为所述实体指称项在知识图谱中映射的目标实体，若不存在则转入步骤三；
步骤三、提取所述实体指称项的语义特征向量并将所述实体指称项的语义特征向量输入预设的神经网络，以使得所述神经网络对所述实体指称项的语义特征向量与知识图谱中的各目标实体的的语义特征向量进行匹配并输出所述实体指称项在知识图谱中映射的目标实体。


5.根据权利要求3或4所述的方法，其特征在于，所述提取所述实体指称项的语义特征向量并将所述实体指称项的语义特征向量输入预设的神经网络，以使得所述神经网络对所述实体指称项的语义特征向量与知识图谱中的各目标实体的的语义特征向量进行匹配并输出所述实体指称项在知识图谱中映射的目标实体包括：
根据所述实体指称项与知识图谱中的各目标实体的...

【专利技术属性】
技术研发人员：代亚菲，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京;11