基于知识图谱推理的地学数据集问答方法及系统技术方案

本发明专利技术提供了一种基于知识图谱推理的地学数据集问答方法及系统，包括：根据地学数据集信息构建地学知识图谱；围绕地学数据集问句的关键意图，训练命名实体识别模型进行问句语义理解与信息抽取；融合文本信息与时空信息对地理实体进行实体对齐；基于知识图谱的实体关系结构，开展知识图谱嵌入，捕获跨实体的潜在关系与全局信息，实现从地学显式数据到深层知识的知识推理；融合对齐结果与推理结果进行多域检索，得到数据集答案。本发明专利技术构建了全新的知识图谱智能问答系统，相比于现有问答系统可以提高答案查全性，同时具备知识推理能力，能够通过显式地学数据挖掘隐式内在关联，能够帮助地学专家快速准确地寻找目标数据集。助地学专家快速准确地寻找目标数据集。助地学专家快速准确地寻找目标数据集。

【技术实现步骤摘要】
基于知识图谱推理的地学数据集问答方法及系统


[0001]本专利技术涉及知识图谱
，具体地，涉及一种基于知识图谱推理的地学数据集问答方法及系统。

技术介绍

[0002]开放互联网散落着海量数据，然而由于其分布散乱、质量参差，为科学研究者搜集可用的科研数据造成了困扰。与此同时，在大数据时代，以地球科学为代表的基础学科亟待获取准确、高质量的科学数据。为此，如何帮助研究者快速找到目标数据成为一项重要议题，而基于知识图谱的地学数据集问答系统提供了一种灵活便捷、可交互的解决途径。
[0003]传统知识图谱问答系统需要大量人工制作的语义解析器，但自然语言问句丰富多样，人工制作难以覆盖多元化的询问方式，并且成本高昂效率低下。随着人工智能技术的逐步完善和计算机算力的提升，机器学习的方法逐步取代人工，基于机器学习与深度学习的知识图谱问答取得了较好的表现，但是目前主流的知识图谱问答系统存在着两个问题：实体链接困难以及图谱知识利用不全。
[0004]虽然知识图谱中保存着问答所需的实体及关系，但由于自然语言表达的多样性，问句和图谱中的实体均会出现多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱推理的地学数据集问答方法，其特征在于，包括：步骤S1：根据地学数据集信息构建地学知识图谱；步骤S2：围绕地学数据集问句的关键意图，训练命名实体识别模型进行问句语义理解与信息抽取，得到对应的抽取结果；步骤S3：融合所述抽取结果中的地理实体名称所对应的文本信息与时空信息，对所述抽取结果中的地理实体进行实体对齐，得到对应的对齐结果；步骤S4：基于地学知识图谱的实体关系结构，开展知识图谱嵌入，捕获跨实体的潜在关系与全局信息，从地学显式数据到深层知识的知识推理，得到对应的推理结果；步骤S5：融合抽取结果、对齐结果与推理结果进行多域检索，得到数据集答案。2.根据权利要求1所述的基于知识图谱推理的地学数据集问答方法，其特征在于，构建地学知识图谱包括概念层搭建步骤和实例层搭建步骤：所述地学知识图谱的概念层搭建包括：针对地学知识的元数据信息，通过知识图谱进行描述与表达，完成图谱概念层的搭建，确定实体种类与关系种类，并将不易进行连接的信息作为实体属性，完成图谱架构；所述地学知识图谱的实例层搭建包括：对地学数据集的元数据进行整理、清洗及去重，完成地学知识图谱的实例化，通过三元组将地学数据集信息完整表现并相互连接。3.根据权利要求1所述的基于知识图谱推理的地学数据集问答方法，其特征在于，所述步骤S2包括以下步骤：步骤S2.1：构建训练数据集；步骤S2.2：对所述训练数据集中的文本进行预处理，并将文本向量化表示；步骤S2.3：利用向量化的文本表示训练命名实体识别模型，公式如下：其中，表示模型的损失函数，D表示训练语料数据集，x表示所输入的文本向量，s表示信息抽取的结构提示，θ
e
,θ
d
分别代表编码器和解码器参数，通过交叉熵损失优化模型，去抽取对应的结果y。4.根据权利要求3所述的基于知识图谱推理的地学数据集问答方法，其特征在于，步骤S3包括以下步骤：步骤S3.1：将原始地学知识图谱中多种表述的地理位置实体进行信息补全，得到补全的地理实体信息；步骤S3.2：将所述补全的地理实体信息转换为对应的描述文本，并将所述描述文本向量化，得到对应的文本信息；步骤S3.3：对地理实体的经纬度范围信息和时间信息进行编码，得到地理实体的时空信息；步骤S3.4：将所述文本信息和所述时空信息相融合，利用融合表征进行地理实体对齐，公式如下：
其中，A
{i,j}
表示第i个地理实体和第j个地理实体之间的对齐矩阵，p
i
代表第i个地理实体的向量表征，表示第j个地理实体的向量表征的转置，Score
i,j
表示计算得到的不同表征间的相似度，threshold表示所设定的相似度阈值；根据设定的阈值来判断地理实体是否对齐，为可以对齐的地理实体在知识图谱中添加连边关系；当不同表征间的相似度大于阈值时表示对齐，当不同表征间的相似度小于等于阈值时表示没有对齐。5.根据权利要求1所述的基于知识图谱推理的地学数据集问答方法，其特征在于，所述步骤S4包括以下步骤：步骤S4.1：知识图谱预处理，对相同名称但不同类别实体进行额外消歧，并为知识图谱中每一个实体和关系赋予随机独立ID，建立图谱字符串到ID的映射关系，图谱按照三元组(h，r，t)形式存储，构成事实的集合F：F＝{(h1,r1,t1),(h2,r2,t2),
……
,(h
n
,r
n
,t
n
)}步骤S4.2：图谱嵌入初始化，为每一个随机独立ID进行随机嵌入，建立起实体集E与关系集R：E＝{(e1,b1),(e2,b2),
……
,(e
|E|
,b
|E|
)}.R＝{r1,r2,
……
,r
|n|
}.其中，每一个实体的表征由两部分e
i
和b
i
组成，分别代表实体的基本位置嵌入和平移变量，每一个关系r则被编码为轴对称的超矩形，每一个向量的维度为256维；步骤S4.3：图谱嵌入建模，为了建模复杂实体关系，每一个实体在不同的事实中会有不同表征，对任一事实f＝(e
i
，r
k
，e
j
)，在关系r
k
下对应的最终的实体表征为：其中，b
j
表示第j个实体的平移变量；步骤S4.4：根据图谱嵌入选择合适评价函数，包括通过如下距离函数作为评分函数计算：其中，c
k
表示矩形框的中心点，w
k
表示矩形框的宽度，k表示与宽度相关的偏置，当实体的嵌入点位于目标矩形中，距离与矩形的大小成反比，给予较低的更新权值使得点始终保持在框内；嵌入点位于目标矩形外时，矩形的大小与距离线性相关，基于更高权值作为惩戒项，总的评分函数定义为所有n个实体和关系框中距离的2阶范数之和，公式如下：步骤S4.5：在建模完成后对图谱嵌入进行训练，通过逻辑斯蒂损失对实体和关系的嵌
入进行不断优化：当三元组为正例时，y
hrt
取1，当三元组为负例时，y
hrt
取
‑
1；步骤S4.6：利用嵌入表征实现从显式地学数据到深层地学知识的知识推理，公式如下：其中，e
ai
表示某作者的嵌入表征，e
kj
表示某关键词的嵌入表征，寻找地学数据集的类似数据集、通过对不同实体的嵌入表征计算相似度，公式如下：则对任意数据集i的所有数据集相似度为：通过排序并取最高的k个值，推理出对应的最相关的k个数据集。6.一种基...

【专利技术属性】
技术研发人员：赵泽，卢彬，吴律文，何亦农，甘小莺，傅洛伊，王新兵，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：