[发明专利]一种基于深度学习的电力通信领域知识图谱问答系统的构建方法

说明书

本发明涉及一种基于深度学习的电力通信领域知识图谱问答系统的构建方法，实现步骤为：步骤1：语义解析，即对用户用自然语言提出的问题q进行预处理，从中抽取出用户查询的关键字，查询句关注的焦点等作为问句的实体w。步骤2：语义表示，即将经过预处理的自然语言问题向量化，同时将答案a的候选集向量化，用于后续计算问题q和答案a的匹配度。步骤3：通过语义匹配度计算、查询以及推理等方法，找出与问题q最匹配、最准确的答案a，使得该问答对(q，a)的得分S(q,a)最高。通过本发明研究通过知识图谱构建的问答系统在国家电网通信领域的可行性。

技术领域

本发明属于电力通信行业知识图谱的应用范畴，特别涉及了一种基于深度学习(Deep learning)的知识图谱问答系统(Knowledge base question answering)的构建方法。

背景技术

知识图谱(Knowledge Graph)：本质上是一种具有属性的实体对通过关系链接而成的结构化的语义知识库。其中包含大量的实体对关系，用于以符号形式描述物理世界中的概念以及概念之间的相互关系。从图的角度来看，知识图谱其实就是一种概念网络，网络的节点是现实世界中的实体，而网络的边表示实体对之间的联系(关系)^[1]。

知识图谱这个概念最早是在2012年由Google公司提出，用于增强其搜索引擎功能的知识库^[2]，目的是将搜索关键字进行系统化，从而使每一个关键字都拥有一个完整的知识体系，从而提高搜索质量^[3]。传统的搜索引擎技术虽然能够根据用户的查询结构快速筛选和排序大量网页，提高信息检索的效率。但是由于其不能快速准确地给用户反馈具体的问题答案，随着互联网信息总量的爆炸性增长，这种信息检索方式逐渐已不能满足用户的需求。知识图谱的出现为解决大数据下用户信息检索这一难题提供了可行的方案^[4].

常见的知识图谱可以分为通用知识图谱和行业知识图谱两个大类。通用知识图谱强调在大数据的基础之上构建知识图谱，典型的大规模知识库有Freebase^[5]、Wikidata^[6]、DBpedia^[7]、 YAGO^[8]等，它们不仅包含大量的半结构化和非结构化数据，同时具有较高的领域覆盖面。而行业知识图谱使用特定行业的数据来构建知识库，因此通常数据规模较通用知识图谱要小，但实体的属性和数据模式比较丰富。行业知识图谱较通用知识图谱的准确度要高，但是只适用于特定领域。目前，行业知识图谱在电商、金融等行业已经得到了研究和发展^[9]。

知识图谱通常采用“三元组”的表示方式，即G＝(E，R，S)。其中，E＝{e₁,e₂,...,e_|E|}代表知识库中的实体集合，表示共有|E|个不同的实体；R＝{r₁,r₂,...,r_|R|}代表知识库中实体对间的实体关系集合，|R|为实体关系的数量；代表的就是知识图谱的三元组集合，也就是整个知识库的代表。知识图谱的三元组集合表示的就是实体与实体之间的关系或者概念与属性之间的关系。

问答系统(Question Answering System)：简称QA，是信息检索的一种高级形式，其简单、准确的互动方式使得问答系统成为自然语言处理(NLP)的应用领域的又一研究热点。与传统搜索引擎不同的是，问答系统接受用户用自然语言的描述方式来提出问题(例如：姚明身高多少？)，并且通过一系列NLP对文本的处理技术，能够从大量的异构数据知识库中查找出用户所提问题的准确、简洁的回答方案。而传统的网络信息查询工具主要是基于关键字的匹配来进行查找的，虽然这种方案通常可以满足用户的需求，但是由于其用关键字来表述问题的方式缺少对问题上下文的背景信息，因此检索到的结果往往是经过PageRank排序的数以万计的相关网页，而用户需求的往往是其中的一小部分。因此问答系统与根据关键字匹配来返回相关文档集合的传统搜索引擎有着本质的区别^[10]。