一种基于路径排序的知识图谱问答方法及系统技术方案

本发明专利技术提供一种基于路径排序的知识图谱问答方法及系统，方法包括：获取用户问句中的实体提及；将实体提及链接到知识图谱的实体节点上，获得链接实体；根据链接实体，在知识图谱中查询获取至少一条查询路径以及每一条查询路径对应的候选答案；根据每一条查询路径与用户问句的相似度，获取最为合适的查询路径；基于最为合适的查询路径对应的候选答案，获取用户问句的最终答案结果。本发明专利技术根据用户问句中的实体提及，在知识图谱中找到对应的链接实体，然后根据链接实体，在知识图谱中查询对应的候选答案和对应的查询路径，在多条查询路径中选择最合适的一条查询路径，获取对应的答案结果，适用于从复杂的知识图谱中获取正确的答案。案。案。

【技术实现步骤摘要】
一种基于路径排序的知识图谱问答方法及系统


[0001]本专利技术涉及知识图谱与自然语言处理领域，更具体地，涉及一种基于路径排序的知识图谱问答方法及系统。

技术介绍

[0002]问答在计算机科学中是一个有着漫长历史的研究领域，也是当前自然语言处理领域的研究热点，涉及众多相关技术，包括语言学、深度学习、机器学习等。谷歌提出了知识图谱的概念，并得到了大家的广泛接受。简单而言，知识图谱就是使用节点代表现实世界的实体或概念，节点之间通过有向边进行连接，这些有向边便表示现实世界中的各种关系。知识图谱具备强大的语义处理能力，能够高效地管理海量数据，极大地推动了智能问答的发展。
[0003]深度学习是近年来较为流行的机器学习方法，已经被应用于各行各业，深度学习用于知识图谱问答的方法取得了很好的效果，并逐渐成为了知识图谱问答的主流方法。深度学习用于知识图谱问答主要有两个方向：一是以深度学习为工具提升传统的语义解析、模板匹配、信息抽取等方法的准确率。另一个方向则是基于深度学习，将用户问句以及知识图谱均采用向量来表示，也即知识图谱嵌入，最终实现端到端的问答系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于路径排序的知识图谱问答方法，其特征在于，包括：识别用户问句中的命名实体，获取实体提及；基于实体与用户问句中问题的匹配度和实体流行度将所述实体提及链接到知识图谱的实体节点上，获得所述实体提及在知识图谱上的链接实体；根据所述链接实体，基于预设查询模板在知识图谱中查询获取至少一条查询路径以及每一条查询路径对应的候选答案；根据每一条查询路径与用户问句的基于多种特征融合的相似度，获取最为合适的查询路径；基于所述最为合适的查询路径对应的候选答案，获取用户问句的最终答案结果。2.根据权利要求1所述的知识图谱问答方法，其特征在于，所述识别用户问句中的命名实体，获取实体提及，包括：对实体识别模型进行训练，获取训练后的实体识别模型；基于训练后的实体识别模型对用户问句中的命名实体进行识别，获取实体提及；其中，所述对实体识别模型进行训练，获取训练后的实体识别模型，包括：收集多个用户问句，对每一个用户问句中的命名实体进行标注，基于多个用户问句和对应的命名实体标注对实体识别模型进行训练，获取训练后的实体识别模型。3.根据权利要求1或2所述的知识图谱问答方法，其特征在于，所述基于实体与用户问句中问题的匹配度和实体流行度将所述实体提及链接到知识图谱的实体节点上，获得所述实体提及在知识图谱上的链接实体，包括：当知识图谱中只有一个实体与实体提及e
i
一致时，则知识图谱中的实体为实体提及e
i
在知识图谱中的链接实体e
j
；当知识图谱中实体的同义词与实体提及e
i
一致时，则将知识图谱中的实体作为链接实体e
j
；当知识图谱中有多个实体与实体提及e
i
一致时，选择与用户问句中问题匹配度高、且流行度高的实体作为链接实体e
j
，其中，实体流行度为实体在知识图谱中出现的频率以及与实体具有一度关系的其它实体的个数，实体与问题的匹配度为实体类型与问题的匹配度以及实体二度子图与问题的匹配度；当知识图谱中没有与实体提及e
i
一致的实体，且没有实体的同义词与实体提及e
i
一致的实体时，选择与实体提及e
i
编辑距离最小的实体作为链接实体e
j
。4.根据权利要求1所述的知识图谱问答方法，其特征在于，所述根据链接实体，基于预设查询模板在知识图谱中查询获取至少一条查询路径以及每一条查询路径对应的候选答案，包括：通过预设查询模板在知识图谱中召回以链接实体e
j
为中心的子图，记录每一个子图中的每一个节点或关系作为候选答案，并记录从...

【专利技术属性】
技术研发人员：李开，邹复好，甘早斌，杨建飞，向文，卢萍，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：