基于知识图谱和事件图谱的汽车智能问答方法及设备技术

本申请提供一种基于知识图谱和事件图谱的汽车智能问答方法及设备。该方法应用于汽车智能问答系统，汽车智能问答系统包括知识图谱和事件图谱，知识图谱中包括与汽车实体及实体关系相关的静态知识体系，事件图谱中包括与汽车事件及事件关系相关的动态知识体系；通过响应于自然语言查询问句，确定自然语言查询问句中的实体词和谓词，并确定自然语言查询问句所属的问题类别、以及问题类别对应的图谱类别，问题类别为八何分析法问题体系中的一个；根据问题类别、实体词以及谓词，生成SPARQL查询语句；再在与问题类别对应的图谱类别中查找SPARQL问题结果；再将SPARQL问题结果转换为自然语言答案信息输出。提高了汽车智能问答系统的问答效率和准确率。的问答效率和准确率。的问答效率和准确率。

【技术实现步骤摘要】
基于知识图谱和事件图谱的汽车智能问答方法及设备


[0001]本申请涉及人工智能
，尤其涉及一种基于知识图谱和事件图谱的汽车智能问答方法及设备。

技术介绍

[0002]随着科技的进步，人工智能也在推动汽车向更加智能化的方向发展。其中，作为汽车智能化核心技术的车载智能问答系统，可以为用户提供更好的服务和体验，成为目前汽车行业的重点研究之一。
[0003]现有技术中，常用的车载智能问答系统中预先存储有一系列问题答案对，当用户提问时，车载智能问答系统通过匹配用户的提问和预先存储的问题，找到与存储问题对应的答案，以返回给用户回答问题。由于问题答案对的生成没有一个系统的参考方法，因此，在拓问题答案对时，只能依赖开发人员的主观判断来进行，容易出现问题答案对重复或交叠的情况，不仅占用存储资源，而且在利用车载智能问答系统查询问题时，也容易出现同一问题不同答案或不同问题相同答案的情况，导致问答效率和问答准确率都不高。
[0004]因此，需要一种能够提升汽车智能问答效率和准确率，也便于开发人员拓展新问题的方法，来解决上述问题。

技术实现思路

[0005]本申请提供一种基于知识图谱和事件图谱的汽车智能问答方法及设备，用以解决现有汽车智能问答系统问答效率和准确率不高的问题。
[0006]第一方面，本申请提供一种基于知识图谱和事件图谱的汽车智能问答方法，所述方法应用于汽车智能问答系统，所述汽车智能问答系统包括知识图谱和事件图谱，所述知识图谱中包括与汽车实体及实体关系相关的静态知识体系，所述事件图谱中包括与汽车事件及事件关系相关的动态知识体系；所述方法包括：
[0007]响应于自然语言查询问句，确定所述自然语言查询问句中的实体词和谓词，并确定所述自然语言查询问句所属的问题类别、以及所述问题类别对应的图谱类别，其中，所述问题类别为八何分析法问题体系中的一个，所述图谱类别为知识图谱或事件图谱；
[0008]根据所述问题类别、所述实体词以及所述谓词，生成SPARQL查询语句；
[0009]基于所述SPARQL查询语句，在与所述问题类别对应的图谱类别中查找SPARQL问题结果；
[0010]将所述SPARQL问题结果转换为自然语言答案信息，并输出所述自然语言答案信息。
[0011]可选地，所述确定所述自然语言查询问句的实体词和谓词，包括：
[0012]将所述自然语言查询问句加载到依存句法分析器中，所述依存句法分析器对所述自然语言查询问句进行实体词判断和谓词判断，以确定所述自然语言查询问句的实体词和谓词。
[0013]可选地，所述确定所述自然语言查询问句所属的问题类别、以及所述问题类别对应的图谱类别，包括：
[0014]通过预先训练好的贝叶斯分类模型，确定所述自然语言查询问句所属的问题类别，所述问题类别为八何分析法问题体系中的一个；
[0015]根据对所述问题类别的分类，确定与所述问题类别对应的图谱类别为知识图谱或事件图谱。
[0016]可选地，所述根据所述问题类别、所述实体词以及所述谓词，生成SPARQL查询语句，包括：
[0017]从预先存储的多个SPARQL查询语句生成模板中，匹配与所述问题类别、所述实体词以及所述谓词对应的生成模板，确定本次问答的SPARQL查询语句生成模板；
[0018]将所述问题类别、所述实体词以及所述谓词带入确定好的SPARQL查询语句生成模板中，生成所述SPARQL查询语句。
[0019]可选地，所述将所述SPARQL问题结果转换为自然语言答案信息，包括：
[0020]将所述自然语言查询问句以及所述SPARQL问题结果带入预先训练好的自然语言生成模型中，以将所述SPARQL问题结果转换为自然语言答案信息。
[0021]可选地，在所述响应于自然语言查询问句之前，所述方法还包括：
[0022]利用实体抽取和实体关系抽取技术，建立基于汽车的知识图谱，利用事件抽取和事件关系抽取技术，建立基于汽车的事件图谱；
[0023]利用八何分析法问题体系，将基于汽车的问题进行处理，分别与所述知识图谱或所述事件图谱关联，以使所述知识图谱中包括与汽车实体及实体关系相关的静态知识体系，所述事件图谱中包括与汽车事件及事件关系相关的动态知识体系。
[0024]第二方面，本申请提供一种基于知识图谱和事件图谱的汽车智能问答装置，所述装置应用于汽车智能问答系统，所述汽车智能问答系统包括知识图谱和事件图谱，所述知识图谱中包括与汽车实体及实体关系相关的静态知识体系，所述事件图谱中包括与汽车事件及事件关系相关的动态知识体系；所述装置包括：
[0025]确定单元，用于响应于自然语言查询问句，确定所述自然语言查询问句中的实体词和谓词，并确定所述自然语言查询问句所属的问题类别、以及所述问题类别对应的图谱类别，其中，所述问题类别为八何分析法问题体系中的一个，所述图谱类别为知识图谱或事件图谱；
[0026]生成单元，用于根据所述问题类别、所述实体词以及所述谓词，生成SPARQL查询语句；
[0027]查找单元，用于基于所述SPARQL查询语句，在与所述问题类别对应的图谱类别中查找SPARQL问题结果；
[0028]输出单元，用于将所述SPARQL问题结果转换为自然语言答案信息，并输出所述自然语言答案信息。
[0029]可选地，所述确定单元包括第一确定模块；
[0030]所述第一确定模块，用于将所述自然语言查询问句加载到依存句法分析器中，所述依存句法分析器对所述自然语言查询问句进行实体词判断和谓词判断，以确定所述自然语言查询问句的实体词和谓词。
[0031]可选地，所述确定单元还包括第二确定模块和第三确定模块；
[0032]所述第二确定模块，用于通过预先训练好的贝叶斯分类模型，确定所述自然语言查询问句所属的问题类别，所述问题类别为八何分析法问题体系中的一个；
[0033]所述第三确定模块，用于根据对所述问题类别的分类，确定与所述问题类别对应的图谱类别为知识图谱或事件图谱。
[0034]可选地，所述生成单元包括匹配模块和填充模块；
[0035]所述匹配模块，用于从预先存储的多个SPARQL查询语句生成模板中，匹配与所述问题类别、所述实体词以及所述谓词对应的生成模板，确定本次问答的SPARQL查询语句生成模板；
[0036]所述填充模块，用于将所述问题类别、所述实体词以及所述谓词带入确定好的SPARQL查询语句生成模板中，生成所述SPARQL查询语句。
[0037]可选地，所述输出单元包括自然语言转换模块；
[0038]所述自然语言转换模块，用于将所述自然语言查询问句以及所述SPARQL问题结果带入预先训练好的自然语言生成模型中，以将所述SPARQL问题结果转换为自然语言答案信息。
[0039]可选地，所述装置还包括：第一处理单元和第二处理单元；
[0040]所述第一处理单元，用于利用实体抽取和实体关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱和事件图谱的汽车智能问答方法，其特征在于，所述方法应用于汽车智能问答系统，所述汽车智能问答系统包括知识图谱和事件图谱，所述知识图谱中包括与汽车实体及实体关系相关的静态知识体系，所述事件图谱中包括与汽车事件及事件关系相关的动态知识体系；所述方法包括：响应于自然语言查询问句，确定所述自然语言查询问句中的实体词和谓词，并确定所述自然语言查询问句所属的问题类别、以及所述问题类别对应的图谱类别，其中，所述问题类别为八何分析法问题体系中的一个，所述图谱类别为知识图谱或事件图谱；根据所述问题类别、所述实体词以及所述谓词，生成SPARQL查询语句；基于所述SPARQL查询语句，在与所述问题类别对应的图谱类别中查找SPARQL问题结果；将所述SPARQL问题结果转换为自然语言答案信息，并输出所述自然语言答案信息。2.根据权利要求1所述的方法，其特征在于，所述确定所述自然语言查询问句的实体词和谓词，包括：将所述自然语言查询问句加载到依存句法分析器中，所述依存句法分析器对所述自然语言查询问句进行实体词判断和谓词判断，以确定所述自然语言查询问句的实体词和谓词。3.根据权利要求1所述的方法，其特征在于，所述确定所述自然语言查询问句所属的问题类别、以及所述问题类别对应的图谱类别，包括：通过预先训练好的贝叶斯分类模型，确定所述自然语言查询问句所属的问题类别，所述问题类别为八何分析法问题体系中的一个；根据对所述问题类别的分类，确定与所述问题类别对应的图谱类别为知识图谱或事件图谱。4.根据权利要求1所述的方法，其特征在于，所述根据所述问题类别、所述实体词以及所述谓词，生成SPARQL查询语句，包括：从预先存储的多个SPARQL查询语句生成模板中，匹配与所述问题类别、所述实体词以及所述谓词对应的生成模板，确定本次问答的SPARQL查询语句生成模板；将所述问题类别、所述实体词以及所述谓词带入确定好的SPARQL查询语句生成模板中，生成所述SPARQL查询语句。5.根据权利要求1所述的方法，其特征在于，所述将所述SPARQL问题结果转换为自然语言答案信息，包括：将所述自然语言查询问句以及所述SPARQL问题结果带入预先训...

【专利技术属性】
技术研发人员：陈龙，
申请(专利权)人：浙江吉利控股集团有限公司，
类型：发明
国别省市：