【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...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。