一种基于语义框架的互动知识学习方法技术

本发明专利技术公开了一种基于语义框架的互动知识学习方法，包括步骤1：增加好奇心模型；步骤2：根据解答问题的能力和可信度，按照不同知识领域，为每个渠道和用户维护一个可信度值，并为生成的知识累计不同渠道的置信度；步骤3：重新设计语义网络存储结构，按照置信度对知识存储空间进行划分；步骤4：构建统计认知模块；步骤5：根据知识的过筛情况，将结果反馈到不同渠道和用户，并调整其对应领域的可信度的值，形成一个动态的知识构建闭环；步骤6：各渠道或用户的可信度在下一次知识构建过程中体现到知识的置信度上。通过对不同等级置信度知识的存储进行划分和隔离，在于外部交互的过程中，动态的构建知识，从而使得到的正式知识更加有效。效。效。

【技术实现步骤摘要】
一种基于语义框架的互动知识学习方法


[0001]本专利技术属于机器学习
，尤其涉及一种基于语义框架的互动知识学习方法。

技术介绍

[0002]知识表示方法可以分为规则模式和图模式两类：基于规则的知识表示方法机器可理解、但不便于用户理解；而基于图的方法具有人类可理解的语义，但知识存储和知识推理的效率较低。语义网络是知识表示领域最著名的模型之一。语义网络是一种基于图的数据结构，通过自定义节点和关系类型方便地表达和存储自然语言，在人类可理解性和存储与推理的效率之间取得平衡。在一个语义网络中，信息被表达为一组结点，结点通过一组带标记的有向直线彼此相连，用于表示结点间的关系。使用语义网络，可以很方便地将自然语言的句子用图来表达和存储，用于机器翻译、问答系统和自然语言理解。在最近的发展中，语义网络以知识图谱、事理图谱等形态不断演化。
[0003]在构建知识图谱时，分为手动和自动方式，手动方式包括由一组封闭的专家进行输入和一组开放的志愿者录入，典型的如Freebase、WikiData等；而自动模式包括利用规则和深度学习等手段，从非结构化的数据中抽取知识，典型的如YAGO、NELL等。典型的知识图谱构建过程如图1所示，在这些固定流程的方式中，都是单向被动从非结构化文档中获取知识，这些知识大部分是静默的，其质量取决于生成数据时的算法和策略，当使用时才会发现这些知识中可能存在的问题，只有当相对专业的人发现时才能进行修正，但错误的知识可能已经进行了一定程度的传播。
[0004]传统语义网络技术中，构建和应用过程是一个单向的过程，缺少反馈闭环，使得网络中知识的正确性和时效性都较差，且不能及时将问题暴露出来，形成错误知识扩散的风险。

技术实现思路

[0005]本专利技术目的在于提供一种基于语义框架的互动知识学习方法,以解决上述技术问题。
[0006]为解决上述技术问题，本专利技术的一种基于语义框架的互动知识学习方法的具体技术方案如下：
[0007]一种基于语义框架的互动知识学习方法,包括如下步骤：
[0008]步骤1：增加好奇心模型，根据知识框架和用户需求，动态的产生好奇心，系统根据好奇心驱动不同的方法，从非结构化的文档和用户交互过程中抽取知识；
[0009]步骤2：根据解答问题的能力和可信度，按照不同知识领域，为每个渠道和用户维护一个可信度值，并为生成的知识累计不同渠道的置信度；
[0010]步骤3：重新设计语义网络存储结构，按照置信度对知识存储空间进行划分；
[0011]步骤4：构建统计认知模块；
[0012]步骤5：根据知识的过筛情况，将结果反馈到不同渠道和用户，并调整其对应领域的可信度的值，形成一个动态的知识构建闭环；
[0013]步骤6：各渠道或用户的可信度在下一次知识构建过程中体现到知识的置信度上。
[0014]进一步地，所述步骤1包括如下具体步骤：
[0015]步骤1.1：根据不同领域，构建不同的schema，在这个框架下，允许不完整的知识出现，同时，对缺漏部分产生好奇心；
[0016]步骤1.2：使用自然语言生成模块，将好奇心转换为自然语言描述的问题；
[0017]步骤1.3：根据自然语言描述的问题，利用外部搜索引擎，以及在和人的交互中进行查询和询问，并将结果进行和好奇心问题配对，生成语义完整的知识。
[0018]进一步地，所述步骤2根据解答问题的能力和可信度，按照不同知识领域，为每个渠道和用户维护一个可信度值，并为生成的知识累计不同渠道的置信度；统计认知对不同渠道或用户提供的知识的置信度进行累计，包括正向和矛盾、否定的知识，当知识的置信度超过设定阈值时，非正式知识转换为正式知识；同时，对于提供和正式知识一致的渠道和用户在该领域的可信度提高；对于提供矛盾和否定知识的渠道和用户在该领域的可信度降低。
[0019]进一步地，所述步骤3：重新设计语义网络存储结构，按照置信度对知识存储空间进行划分，从非结构化中抽取的知识可能存在错误或者理解上的偏差，将置信度较低的知识存放在单独的渠道空间中，避免和正式的知识混淆。
[0020]进一步地，所述步骤4构建统计认知模块的步骤为：统计认知模块捕获从非结构化文档中抽取的知识，按照不同的置信度，对每一种陈述进行矛盾、冲突检查，并累计置信度，达到一定的阈值后过筛，形成正式知识；当置信度低于设定阈值时，退出正式知识空间，进而对知识纠正。进一步地，所述步骤5：根据知识的过筛情况，将结果反馈到不同渠道和用户，并调整其对应领域的可信度的值，形成一个动态的知识构建闭环：如渠道或用户提供的信息构成了正式知识，则提升该渠道或用户在该领域中的可信度；如果提供了虚假知识或不合理知识，则降低该渠道或用户在该领域中的可信度；对于一个渠道和用户，赋予其某个领域可信度初值P
init
，对于领域D内的问题，回答正确次数为N
right
，错误次数为N
wrong
，
[0021]则其可信度计算公式为：
[0022]f(N
right
,N
wrong
)＝P
init
+0.1N
right
–
0.02N
wrong
[0023]某个渠道在领域D内的可信度公式如下：
[0024][0025]进一步地，所述步骤6对知识k∈D,提供该知识的用户U1、U2、
…
、U
N
具体置信度计算公式如下：
[0026][0027]本专利技术的一种基于语义框架的互动知识学习方法具有以下优点：该方法通过对不
同等级置信度的知识在存储区域上进行划分和隔离，在于外部交互的过程中，动态的构建知识，从而使得到的正式知识更加有效。
附图说明
[0028]图1为典型的知识图谱构建过程流程图；
[0029]图2为本专利技术的技术方案实施流程图。
具体实施方式
[0030]为了更好地了解本专利技术的目的、结构及功能，下面结合附图，对本专利技术一种基于语义框架的互动知识学习方法做进一步详细的描述。
[0031]本专利技术的一种基于语义框架的互动知识学习方法，方法在和用户交互的过程中，根据好奇心主动的对知识进行收集并加工，并根据置信度对知识的真伪进行校验，为用户提供相对可信的数据。
[0032]好奇心是一个心理学概念，我们在工程中用来表示和人类似的一个功能模块，负责驱动对不了解的知识信息主动学习的功能。
[0033]本专利技术方法包括如下步骤：
[0034]步骤1：增加好奇心模型。根据知识框架和用户需求(提问)，动态的产生好奇心，系统根据好奇心驱动不同的方法，从非结构化的文档和用户交互过程中抽取知识。
[0035]步骤1.1：根据不同领域，构建不同的schema，在这个框架下，允许不完整的知识出现。同时，对缺漏部分产生好奇心。
[0036]步骤1.2：使用自然语言生成模块，将好奇本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语义框架的互动知识学习方法,其特征在于，包括如下步骤：步骤1：增加好奇心模型，根据知识框架和用户需求，动态的产生好奇心，系统根据好奇心驱动不同的方法，从非结构化的文档和用户交互过程中抽取知识；步骤2：根据解答问题的能力和可信度，按照不同知识领域，为每个渠道和用户维护一个可信度值，并为生成的知识累计不同渠道的置信度；步骤3：重新设计语义网络存储结构，按照置信度对知识存储空间进行划分；步骤4：构建统计认知模块；步骤5：根据知识的过筛情况，将结果反馈到不同渠道和用户，并调整其对应领域的可信度的值，形成一个动态的知识构建闭环；步骤6：各渠道或用户的可信度在下一次知识构建过程中体现到知识的置信度上。2.根据权利要求1所述的基于语义框架的互动知识学习方法,其特征在于，所述步骤1包括如下具体步骤：步骤1.1：根据不同领域，构建不同的schema，在这个框架下，允许不完整的知识出现，同时，对缺漏部分产生好奇心；步骤1.2：使用自然语言生成模块，将好奇心转换为自然语言描述的问题；步骤1.3：根据自然语言描述的问题，利用外部搜索引擎，以及在和人的交互中进行查询和询问，并将结果进行和好奇心问题配对，生成语义完整的知识。3.根据权利要求2所述的基于语义框架的互动知识学习方法,其特征在于，所述步骤2根据解答问题的能力和可信度，按照不同知识领域，为每个渠道和用户维护一个可信度值，并为生成的知识累计不同渠道的置信度；统计认知对不同渠道或用户提供的知识的置信度进行累计，包括正向和矛盾、否定的知识，当知识的置信度超过设定阈值时，非正式知识转换为正式知识；同时，对于提供和正式知识一致的渠道和用户在该领域的可信度提高；对于提供矛盾和否定知识的渠道和用户在该领域的可信度降低。4.根据权利要求3所述的基于语义框架的互动知识学习方法,其特征在于，所述步骤3：重新...

【专利技术属性】
技术研发人员：钱小一，陈浩，田华健，刘逸川，沈佳栋，
申请(专利权)人：杭州北冥星眸科技有限公司，
类型：发明
国别省市：