一种基于深度学习与相似度匹配的知识图谱问答的方法技术

本发明专利技术公开了一种基于深度学习与相似度匹配的知识图谱问答的方法，包括，进行启动服务，加载训练好的多标签分类模型；对用户的输入问句进行实体类别的识别；预测出该问句对应的某一个或多个实体标签：云端业务工作室；获取用户问句对应的实体名称：发布需求，并加载该类别下的实体名称词典；根据实体名称构造数据库查询语句；到数据库查询获取答案。本发明专利技术通过利用用户问句数据搭建了基于ALBERT与双向GRU的多标签分类模型，无需对数据进行实体标注，直接识别出用户问句对应的实体标签。区别于现有工作的命名实体识别模型，简化了问答的方法的复杂度与计算量，并且实际测试表明本研究设计的问答的方法具备很高的识别准确度。

【技术实现步骤摘要】
一种基于深度学习与相似度匹配的知识图谱问答的方法
本专利技术涉及知识图谱问答的方法
，具体来说，涉及一种基于深度学习与相似度匹配的知识图谱问答的方法。
技术介绍
随着人们对快速、准确地获取信息的需求越来越大，问答的方法的研究吸引了越来越多的关注。以通过关键词匹配实现信息检索作为主要方法的传统问答技术目前存在一些技术性问题，比如搜索接口不友好、搜索过程复杂、返回信息量大、返回内容针对性不强等，而且无法从根本上解决搜索中存在的准确率低以及召回率低的问题（中国专利CN105868313A[P]，一种基于模板匹配技术的知识图谱问答的方法及方法，公开日期：2016-08-17）。随着互联网信息量的爆炸式增长，传统的问答的方法已逐渐无法满足用户的需求。近年来，基于知识图谱的信息检索方式为大数据下的用户搜索拓展了一种新的思路，基于知识图谱的问答的方法成为研究热点。知识图谱是一种具有属性的实体对通过关系链接而成的结构化语义知识库。在知识图谱中，知识通常表示为“三元组”形式的数据结构。知识图谱的出现实现了搜索关键词的的方法化，对每一个关键词都形成一本文档来自技高网...

【技术保护点】
1.一种基于深度学习与相似度匹配的知识图谱问答的方法，包括以下步骤：/nS1启动服务，加载多标签分类模型；/nS2用户输入问句进行实体类别的识别、预测问句对应的实体标签；/nS3加载该类别下的实体名称词典，获取问句对应的实体名称；/nS4判断问句中是否包含字典中的实体名称，并返回与用户问句相应的实体名称；/nS5根据实体名称与实体标签构造数据库查询语句；/nS6查询图数据库，返回答案。/n

【技术特征摘要】
1.一种基于深度学习与相似度匹配的知识图谱问答的方法，包括以下步骤：
S1启动服务，加载多标签分类模型；
S2用户输入问句进行实体类别的识别、预测问句对应的实体标签；
S3加载该类别下的实体名称词典，获取问句对应的实体名称；
S4判断问句中是否包含字典中的实体名称，并返回与用户问句相应的实体名称；
S5根据实体名称与实体标签构造数据库查询语句；
S6查询图数据库，返回答案。


2.根据权利要求1所述的一种基于深度学习与相似度匹配的知识图谱问答的方法，其特征在于，根据获取到的实体类别，加载该类别下的实体名称词典，如果用户问句中包含词典中的某个实体名称，则返回该实体名称，否则，计算该用户问句与词典中实体名称的余弦相似度，返回匹配相似度最高的实体名称。


3.根据权利要求1所述的一种深度学习与相似度匹配的知识图谱问答的方法，所述数据库查询获取答案的步骤包括:数据准备与存储方式；构造训练数据；基于ALBERT与双向GRU的多标签分类模型；获取用户问句对应的节点名称；构造查询语句。


4.根据权利要求3所述的一种深度学习与相似度匹配的知识图谱问...

【专利技术属性】
技术研发人员：李小超，张晶亮，谢水庚，胡博钦，郝志强，
申请(专利权)人：北京航天云路有限公司，
类型：发明
国别省市：北京;11