知识问答方法技术

本发明专利技术提供一种知识问答方法

【技术实现步骤摘要】
知识问答方法、知识问答装置、电子设备及存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种知识问答方法
、
知识问答装置
、
电子设备及存储介质
。

技术介绍

[0002]铁路科技创新平台资源管理系统通过试验流程管理
、
试验计划管理等模块为专业人员提供了及时
、
准确
、
可靠
、
可追溯的实验室数据；通过试验流程管理
、
实验室资源管理等模块实现了试验数据综合管理和共享应用；通过试验流程管理
、
认证与体系等模块加强了样品监督测试过程中对各个环节的监控力度；通过实验室资源管理
、
实验室综合展示等模块实现了实验室设备资产的统一信息化管理；通过实验室资源管理模块提高了科技创新平台中各个实验室管理及资源调配的能力；该系统的建设与应用全面提高了科技创新平台的现代化管理水平
。
相关科技创新平台管理系统完成了对过程数据
、
结果数据的汇集
、
存储
、
管理
、
共享等
。
基于铁路科技创新平台的数据可视分析与辅助决策主要聚焦于数据可视化与可视分析方面，以及相关辅助决策部分，缺少其他领域的应用
。

技术实现思路

[0003]本专利技术提供一种知识问答方法
、
知识问答装置
、
电子设备及存储介质，用以解决现有技术中铁路科技相关数据的应用范围有限的问题
。
[0004]本专利技术提供一种知识问答方法，包括：
[0005]将第一问题文本输入至分类模型，确定所述第一问题文本对应的目标问题模板，所述分类模型基于
TF
‑
IDF
特征提取算法和朴素贝叶斯算法构建；
[0006]基于目标问题模板对应的查询语句，在预设图数据库中确定所述目标问题模板对应的答案文本，所述预设图数据库基于铁路科技相关数据对应的知识图谱构建
。
[0007]在一些实施例中，所述将第一问题文本输入至分类模型，确定所述第一问题文本对应的目标问题模板，包括：
[0008]基于所述
TF
‑
IDF
特征提取算法，对所述第一问题文本进行特征属性提取，得到所述第一问题文本对应的特征属性向量；
[0009]基于所述朴素贝叶斯算法，确定所述特征属性向量属于问题模板集合中每一类问题模板的条件概率；
[0010]将最大条件概率对应的问题模板类型确定为所述特征属性向量对应的目标问题模板
。
[0011]在一些实施例中，所述将第一问题文本输入至分类模型，确定所述第一问题文本对应的目标问题模板之前，所述方法还包括：
[0012]对待处理的问题文本进行文本预处理，得到预处理后的问题文本；
[0013]基于所述铁路科技相关数据对应的知识图谱和预设词典，对所述预处理后的问题文本进行实体识别，得到所述第一问题文本
。
[0014]在一些实施例中，所述基于铁路科技相关数据对应的知识图谱和预设词典，对所述预处理后的问题文本进行实体识别，得到所述第一问题文本之前，所述方法还包括：
[0015]基于所述铁路科技相关数据，构建数据本体模型，所述数据本体模型包括实体
、
实体间关系和属性；所述实体的类别包括以下至少一项：检验对象
、
检测对象
、
领域代码
、
项目名称
、
设备名称
、
检验人员
、
检测人员
、
试验人员
、
成果数据
、
标准名称或标准编号；
[0016]基于所述数据本体模型，构建所述铁路科技相关数据对应的知识图谱
。
[0017]在一些实施例中，所述方法还包括：
[0018]在所述第一问题文本无法获取所述第一问题文本对应的答案文本的情况下，确定所述第一问题文本中的第一名词是否完整；
[0019]在所述第一名词不完整的情况下，基于所述第一名词对应的词库，对所述第一名词进行补全，得到第二问题文本；
[0020]基于所述分类模型，重新获取所述第二问题文本对应的答案文本
。
[0021]在一些实施例中，所述基于目标问题模板对应的查询语句，确定所述目标问题模板对应的答案文本之后，所述方法还包括：
[0022]获取所述答案文本的满意度分数；
[0023]在所述答案文本的满意度分数低于预设阈值的情况下，基于所述第一问题文本中的第二名词对应的词库，对所述第二名词进行调整，得到第三问题文本；
[0024]基于所述分类模型，重新获取所述第三问题文本对应的答案文本
。
[0025]本专利技术还提供一种知识问答装置，包括：
[0026]第一确定模块，用于将第一问题文本输入至分类模型，确定所述第一问题文本对应的目标问题模板，所述分类模型基于
TF
‑
IDF
特征提取算法和朴素贝叶斯算法构建；
[0027]第二确定模块，用于基于目标问题模板对应的查询语句，在预设图数据库中确定所述目标问题模板对应的答案文本，所述预设图数据库基于铁路科技相关数据对应的知识图谱构建
。
[0028]本专利技术还提供一种电子设备，包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述知识问答方法
。
[0029]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述知识问答方法
。
[0030]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述知识问答方法
。
[0031]本专利技术提供的知识问答方法
、
知识问答装置
、
电子设备及存储介质，通过分类模型确定第一问题文本对应的目标问题模板，基于
TF
‑
IDF
特征提取算法和朴素贝叶斯算法，可以提高问题模板的匹配效率，提升知识问答的准确性，同时可以将铁路科技相关数据应用于知识问答，提高铁路科技相关数据的使用效率，还能提升用户交互体验
。
附图说明
[0032]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一
些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0033]图1是本专利技术提供的知识问答方法的流程示意图之一；
...

【技术保护点】

【技术特征摘要】
1.
一种知识问答方法，其特征在于，包括：将第一问题文本输入至分类模型，确定所述第一问题文本对应的目标问题模板，所述分类模型基于
TF
‑
IDF
特征提取算法和朴素贝叶斯算法构建；基于目标问题模板对应的查询语句，在预设图数据库中确定所述目标问题模板对应的答案文本，所述预设图数据库基于铁路科技相关数据对应的知识图谱构建
。2.
根据权利要求1所述的知识问答方法，其特征在于，所述将第一问题文本输入至分类模型，确定所述第一问题文本对应的目标问题模板，包括：基于所述
TF
‑
IDF
特征提取算法，对所述第一问题文本进行特征属性提取，得到所述第一问题文本对应的特征属性向量；基于所述朴素贝叶斯算法，确定所述特征属性向量属于问题模板集合中每一类问题模板的条件概率；将最大条件概率对应的问题模板类型确定为所述特征属性向量对应的目标问题模板
。3.
根据权利要求1所述的知识问答方法，其特征在于，所述将第一问题文本输入至分类模型，确定所述第一问题文本对应的目标问题模板之前，所述方法还包括：对待处理的问题文本进行文本预处理，得到预处理后的问题文本；基于所述铁路科技相关数据对应的知识图谱和预设词典，对所述预处理后的问题文本进行实体识别，得到所述第一问题文本
。4.
根据权利要求3所述的知识问答方法，其特征在于，所述基于铁路科技相关数据对应的知识图谱和预设词典，对所述预处理后的问题文本进行实体识别，得到所述第一问题文本之前，所述方法还包括：基于所述铁路科技相关数据，构建数据本体模型，所述数据本体模型包括实体
、
实体间关系和属性；所述实体的类别包括以下至少一项：检验对象
、
检测对象
、
领域代码
、
项目名称
、
设备名称
、
检验人员
、
检测人员
、
试验人员
、
成果数据
、...

【专利技术属性】
技术研发人员：赵方，赵泽平，戚小玉，杨卓然，张丽君，俱岩飞，陈亮，金安，张春光，黄丽珍，刘金平，宁雪，徐胜杰，
申请(专利权)人：中国铁道科学研究院集团有限公司铁道科学技术研究发展中心，
类型：发明
国别省市：