一种实现基于局部推理与全局推理的机器人问答推理方法技术

本发明专利技术公开了一种实现基于局部推理与全局推理的机器人问答推理方法，包括S1设定一个知识库，为一个由多个节点相互关联组成的多关系图结构；设定一个自然语言问题，并识别问题中的主实体，使知识库中所有与主实体相距在两跳内的节点构成初始候选答案集合；S2推理图建模模块过滤候选答案集合中与问题语义无关的候选答案，将问题的语义特征融入到筛选后的候选答案特征中，将筛选后的候选答案及其关联信息建模成推理图；S3通过推理图进行答案推理，答案推理综合了全局推理与局部推理的推理结果，预测每个候选答案为正确答案的概率；通过局部推理结合全局推理模式将显著提升模型在知识库问答任务上的推理能力，以及提高模型推理效率。

【技术实现步骤摘要】

本专利技术涉及人工智能自然语言处理领域，特别是一种实现基于局部推理与全局推理的机器人问答推理方法。

技术介绍

1、在人工智能自然语言处理中，给定一个自然语言问题，知识库问答模型需要从知识库中找出问题的答案，这涉及到问题与知识库两种知识来源。现有知识库问答方法有基于语义解析的方法，能挖掘问题的语义信息；有基于搜索排序的方法，能挖掘知识库中的结构信息，但是这些模型或偏向问题理解，或偏向知识挖掘，在如何关联问题与知识库中语义信息实现答案推理方面依然面临不少挑战，导致对问题与知识库间的语义关联信息捕获不足，造成答案推理不准确。

2、近年来，随着越来越多大型知识库的出现，如freebase、wikidata1等，作为能从知识库中获取知识的应用之一，知识库问答任务获得了大量关注。现有基于搜索排序(ir) 的方法根据实体链接技术识别问题主实体，依据主实体来确定知识库中的候选答案范围，通过问题中包含的语义信息直接对候选答案进行排序。早期的ir方法将问题与候选答案投影到公共子空间，直接计算两者之间的语义相关性来衡量候选答案为问题答案的概率，忽视了问题与候选答案间本文档来自技高网...

【技术保护点】

1.一种实现基于局部推理与全局推理的机器人问答推理方法，其特征在于：包括

2.根据权利要求1所述的一种实现基于局部推理与全局推理的机器人问答推理方法，其特征在于：S1中知识库的形式化表示为，其中表示节点集合，由实体和属性值组成；表示边集合，由实体间的关系组成，对应到知识库中的谓词；在知识库中，每一个实体、属性值或谓词都有一个文本标签，可以表示为由单词组成的序列，将一个实体或属性值表示为，将一个谓词表示为，其中与分别表示实体中第个单词与谓词中第个单词，与分别表示实体与谓词的单词个数。

3.根据权利要求2所述的一种实现基于局部推理与全局推理的机器人问答推理方法，其特征...

【技术特征摘要】

1.一种实现基于局部推理与全局推理的机器人问答推理方法，其特征在于：包括

2.根据权利要求1所述的一种实现基于局部推理与全局推理的机器人问答推理方法，其特征在于：s1中知识库的形式化表示为，其中表示节点集合，由实体和属性值组成；表示边集合，由实体间的关系组成，对应到知识库中的谓词；在知识库中，每一个实体、属性值或谓词都有一个文本标签，可以表示为由单词组成的序列，将一个实体或属性值表示为，将一个谓词表示为，其中与分别表示实体中第个单词与谓词中第个单词，与分别表示实体与谓词的单词个数。

3.根据权利要求2所述的一种实现基于局部推理与全局推理的机器人问答推理方法，其特征在于：s1中自然语言问题，表示问题中单词个数；利用一个主体预测期识别问题中的主实体，使知识库中所有与主实体相距在两跳内的节点构成初始候选答案集合，将以主实体为中心中所有候选答案为节点的子图定义为，表示相邻节点间的连边。

4.根据权利要求3所述的一种实现基于局部推理与全局推理的机器人问答推理方法，其特征在于：s2中包括有

5.根据权利要求4所述的一种实现基于局部推理与全局推理的机器人问答推理方法，其特征在于：s22中对于中的每条连边，，首先利用一个词嵌入矩阵分别将连边和问题中的每...

【专利技术属性】
技术研发人员：王茂林，张鹏，郭雨，
申请(专利权)人：深圳市金大智能创新科技有限公司，
类型：发明
国别省市：