[发明专利]一种知识检索方法及其系统、计算机设备和可读存储介质

说明书

本发明提供一种知识检索方法及其系统、计算机设备和可读存储介质，该方法包括：获取待处理知识数据，所述待处理知识数据包括语音信息、图像信息或第一文字信息中的一种或多种；对所述待处理知识数据进行预处理得到关键词；将所述关键词输入预先训练好的深度学习神经网络进行特征检索得到检索结果；所述检索结果包括深度学习神经网络中与所述关键词关联的特征知识；输出并展示所述检索结果。所述系统、计算机设备和可读存储介质均为实现所述知识检索方法的载体。实施本发明，能够提高知识检索的速度和准确度，便于使用者更准确的了解该特征的相关知识。

技术领域

本发明涉及问答检索技术领域，特别涉及一种知识检索方法及其系统、计算机设备和可读存储介质。

背景技术

深度学习源于人工神经网络的研究，含多隐层的多层感知器就是一种深度学习结构，深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征，并通过各层的神经网络的关系，便于使用者更准确的了解获取特征的相关信息。

现有的知识检索方式依靠在庞大的数据库内查找特征，其获取速度较慢，且无法联系到该特征的相关信息，使得知识检索后获得的信息具有局限性，不便于使用者更准确的了解该特征的相关知识，所以人们急需基于深度学习的知识检索方法来解决上述问题。

发明内容

本发明旨在提供一种知识检索方法及其系统、计算机设备和可读存储介质，以提高知识检索的速度和准确度，便于使用者更准确的了解该特征的相关知识。

为了实现本发明目的，根据第一方面，本发明实施例提供一种知识检索方法，包括如下步骤：

获取待处理知识数据，所述待处理知识数据包括语音信息、图像信息或第一文字信息中的一种或多种；

对所述待处理知识数据进行预处理得到关键词；

将所述关键词输入预先训练好的深度学习神经网络进行特征检索得到检索结果；所述检索结果包括深度学习神经网络中与所述关键词关联的特征知识；

输出并展示所述检索结果。

在一实施例中，所述对所述待处理知识数据进行预处理得到关键词包括：

将待处理知识数据转换为文字信息；其中，所述文字信息包括第一文字信息、第二文字信息和/或第三文字信息；

采用BERT算法对所述文字信息进行处理得到关键词。

在一实施例中，所述将待处理知识数据转换为文字信息包括：

若待处理知识数据包括语音信息，则对语音信息进行滤波降噪，并将滤波降噪后的语音识别信息转换为所述第二文字信息；

若待处理知识数据包括图像信息，则对图像信息进行二值化，并提取二值化后的图像信息中的所述第三文字信息。

在一实施例中，所述展示所述检索结果包括检索结果的初级展示；

其中，所述初级展示包括初级知识、同层神经网络相关知识以及引申抽象的高层知识的展示；其中，所述初级知识为与深度学习神经网络中与所述关键词相同的第一特征词；所述同层神经网络相关知识为所述第一特征词所在神经网络层中与所述关键词相关的第二特征词；所述引申抽象的高层知识为所述第一特征词所在神经网络层中的高层抽象概念字词。

在一实施例中，所述展示所述检索结果包括检索结果的次级展示；

次级展示是将初级知识展示、同层神经网络相关知识以及引申抽象的高层知识均通过链接方式与数据资料中的提取文本链接，将包括所述关键词的文本段落进行展示。

在一实施例中，所述方法还包括如下步骤：