一种食品安全问答推理方法、系统及电子设备技术方案

本发明专利技术提供一种食品安全问答推理方法、系统及电子设备，包括：获取食品安全问题；将所述食品安全问题输入至食品安全问答推理模型中，得到所述食品安全问答推理模型输出的食品安全问题的答案；其中，所述食品安全问答推理模型基于食品安全知识图谱和食品安全问答陈述向量训练得到；所述食品安全问答陈述向量通过将关于食品的安全问题的问题概念向量和与所述安全问题对应的答案的答案概念向量进行拼接得到。该方法用以解决现有技术中针对食品安全问题的回答准确度低的缺陷，通过将食品安全问题输入基于食品安全知识图谱和食品安全问答陈述向量训练得到的食品安全问答推理模型中，输出对应于所述食品安全问题精确度显著提高的答案。高的答案。高的答案。

【技术实现步骤摘要】
一种食品安全问答推理方法、系统及电子设备


[0001]本专利技术涉及食品安全
，尤其涉及一种食品安全问答推理方法、系统及电子设备。

技术介绍

[0002]基于知识图谱的智能问答其核心在于对用户提出问题的语义的理解，也就是如何使计算机理解人类多样化、非结构化的问题表达。目前在语义网相关的问答系统方面的主要研究思路大多是基于模板的自动问答方法，即通过对用户输入自然语言的解析来生成SPARQL模板，然后将模板实例化获取查询结果。
[0003]知识图谱推理的实质是利用已有的知识来推断出新的或未知的知识，建立实体间新的关系，从而拓展和丰富知识图谱的网络结构。近年来,面向知识图谱的知识推理随着分布式表示、神经网络等技术的流行,已发展出独有的推理方法，根据推理类型划分,分为单步推理和多步推理。每类再根据方法划分,又包括基于规则的推理、基于分布式表示的推理、基于神经网络的推理以及混合推理。在食品安全研究方面，常见的用于食品安全知识推理的方法主要是基于规则的推理与基于逻辑的推理两种类别，例如已知(毒害物A，高风险，食品A)和(食品A，同类，食品B)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种食品安全问答推理方法，其特征在于，包括：获取食品安全问题；将所述食品安全问题输入至食品安全问答推理模型中，得到所述食品安全问答推理模型输出的食品安全问题的答案；其中，所述食品安全问答推理模型基于食品安全知识图谱和食品安全问答陈述向量训练得到；所述食品安全问答陈述向量通过将关于食品的安全问题的问题概念向量和与所述安全问题对应的答案的答案概念向量进行拼接得到。2.根据权利要求1所述的食品安全问答推理方法，其特征在于，所述食品安全知识图谱为对经预处理后的不同数据源获取的食品基础数据进行本体模型构建，确定知识图谱所需要的实体类型、关系类型以及属性类型后，根据实体类型、关系特征和属性特征构建的食品安全知识图谱。3.根据权利要求2所述的食品安全问答推理方法，其特征在于，所述将所述食品安全问题输入至食品安全问答推理模型中，得到所述食品安全问答推理模型输出的食品安全问题的答案，具体包括：所述食品安全问答推理模型的提取层将所述食品安全问题和针对所述食品安全问题可能的答案构建为陈述向量，并根据所述食品安全知识图谱提取所述食品安全问题中涉及的食品的实体信息；所述食品安全问答推理模型的模式图构建层根据所述实体信息，通过图卷积神经网络由所述食品安全知识图谱中抽取并学习与所述食品安全问题关联的所有答案的问题答案对的多跳路径，并结合所述陈述向量构建推理模式图；所述食品安全问答推理模型的多跳推理层利用所述推理模式图中的答案节点的特征向量与所述食品安全问答陈述向量拼接构成问题答案对向量，并由所述问题答案对向量计算得到各个路径序列的合理分数并输出；所述食品安全问答推理模型的输出层将所述合理分数最大的问题答案对向量对应的答案作为所述食品安全问题的答案输出。4.根据权利要求3所述的食品安全问答推理方法，其特征在于，所述模式图构建层根据所述实体信息，通过图卷积神经网络由所述食品安全知识图谱中抽取并学习与所述食品安全问题关联的所有答案的问题答案对的多跳路径后，结合所述陈述向量构建推理模式图，具体包括：利用路径搜索从所述食品安全知识图谱中抽取与所述食品安全问题关联的所有答案的问题答案对的多跳路径；通过图卷积神经网络学习所述多跳路径中的实体和关系特征嵌入，得到新的实体特征嵌入表示；将所述新的实体特征嵌入表示所对应的问题答案对间的多条多跳路径构成推理模式图。5.根据权利要求4所述的食品安全问答推理方法，其特征在于，所述多跳推理层利用所述推理模式图中的答案节点的特征向量与所...

【专利技术属性】
技术研发人员：史运涛，倪晋超，董哲，王力，李书钦，雷振伍，殷翔，刘大千，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：