【技术实现步骤摘要】
基于知识图谱的问答方法、装置、计算机设备和存储介质
本专利技术涉及人工智能
，特别是涉及一种基于知识图谱的问答方法、装置、计算机设备和存储介质。
技术介绍
知识图谱(KnowledgeGraph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。目前，基于知识图谱的百科问答(EncyclopediaQuestionAnswering)在自然语言处理和知识库领域获得了广泛的关注。传统的基于知识图谱的问答方法，将命名实体识别、关系预测等过程划分为独立的任务。其中，命名实体识别是指从用户问句中识别出提及(Mention)；关系预测是指预测用户问句中表达的关系，以便于从知识图谱中筛选该提及对应的目标实体；例如，用户问句为“姚明出生在哪里啊？”，则该用户问句中的提及为“姚明”、该用户问句中的关系为出生地。但是，上述传统问答方法的模型参数过大，占用计算机设备的内存较多，不利于问...
【技术保护点】
1.一种基于知识图谱的问答方法，其特征在于，所述方法包括：/n获取用户问句；/n根据所述用户问句和深度学习模型，获取所述用户问句中的提及；/n根据所述提及、所述深度学习模型和预设的知识图谱，获取所述提及在所述知识图谱中对应的目标实体；所述目标实体包括目标关系，所述目标关系为所述用户问句中所述提及对应的关系；/n根据所述目标实体，在所述知识图谱中查询所述用户问句对应的答案，并反馈所述答案。/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，所述方法包括：
获取用户问句；
根据所述用户问句和深度学习模型，获取所述用户问句中的提及；
根据所述提及、所述深度学习模型和预设的知识图谱，获取所述提及在所述知识图谱中对应的目标实体；所述目标实体包括目标关系，所述目标关系为所述用户问句中所述提及对应的关系；
根据所述目标实体，在所述知识图谱中查询所述用户问句对应的答案，并反馈所述答案。
2.根据权利要求1所述的方法，其特征在于，所述根据所述提及、所述深度学习模型和预设的知识图谱，获取所述提及在所述知识图谱中对应的目标实体，包括：
根据所述提及、所述深度学习模型和所述知识图谱，获取所述提及对应的多个候选实体；各所述候选实体均包括所述目标关系；
根据所述深度学习模型，从所述多个候选实体中确定所述目标实体。
3.根据权利要求2所述的方法，其特征在于，所述根据所述提及、所述深度学习模型和所述知识图谱，获取所述提及对应的多个候选实体，包括：
在预置的提及实体映射表中查找出所述提及对应的多个实体；所述提及实体映射表包括多个提及以及与各所述提及分别对应的多个实体；
在所述知识图谱中查找出各所述实体分别对应的关系，得到多个关系；
根据所述用户问句、所述多个关系和所述深度学习模型，从所述多个关系中确定目标关系；
将所述提及对应的多个实体中、包括所述目标关系的实体确定为所述候选实体。
4.根据权利要求3所述的方法，其特征在于，所述根据所述用户问句、所述多个关系和所述深度学习模型，从所述多个关系中确定目标关系，包括：
按照预设的拼接方式，分别将各所述关系拼接至所述用户问句之后，得到与各所述关系分别对应的问句关系对；
将各所述关系分别对应的问句关系对输入至所述深度学习模型中，并采用全连接层对所述深度学习模型的输出进行处理，得到各所述关系分别对应的置信度；
将置信度最高的关系确定为所述目标关系。
5.根据权利要求3所述的方法，其特征在于，所述根据所述用户问句、所述多个关系和所述深度学习模型，从所述多个关系中确定目标关系，包括：
按照预设的拼接方式，将所述多个关系依次拼接至所述用户问句之后，得到拼接结果；
将所述拼接结果输入至所述深度学习模型中，并将所述深度学习模型的模型结果输入至指针网络中，得到指针网络的输出结果；
根据所述指针网络的输出结果，从所述多个关系中确定所述目标关系。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据所述知识图谱，预置所述提及实体映射表。
7.根据权利要求2所述的方法，...
【专利技术属性】
技术研发人员：王路，赵富邦，
申请(专利权)人：深圳追一科技有限公司，
类型：发明
国别省市：广东;44
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。