[发明专利]基于知识图谱的问答方法、装置和存储介质

权利要求书

1.一种基于知识图谱的问答方法，其特征在于，包括以下步骤：

获取用户输入的问答语句，对所述问答语句进行分词，并通过训练完成的实体要素识别模型以及标签识别模型，分别获取所述问答语句中的实体要素和所述实体要素对应的标签；

将所述实体要素、所述标签以及所述问答语句输入至贝叶斯分类器，计算贝叶斯分类器中各个预设模板与所述问答语句的匹配度，并将所述匹配度最高的预设模板确定为查询模板；

将所述实体要素和所述标签输入至所述查询模板中，得到对应的查询语句，并将所述查询语句输入至知识图谱中进行查询，得到对应的问答结果。

2.如权利要求1所述的基于知识图谱的问答方法，其特征在于，所述获取用户输入的问答语句，对所述问答语句进行分词的步骤之前，还包括：

通过网络爬虫技术获取训练语料，并对所述训练语料进行分词；

接收对分词后得到的词语进行人工标注实体要素以及人工标注标签，得到的与所述词语对应的人工实体要素以及人工标签；

将所述人工实体要素和训练语料输入至预设实体要素识别模型中，以训练所述实体要素识别模型；

将所述人工标签和训练语料输入至预设标签识别模型中，以训练所述标签识别模型。

3.如权利要求2所述的基于知识图谱的问答方法，其特征在于，所述训练所述实体要素识别模型的步骤包括：

通过所述实体要素识别模型对所述训练语料进行抽取，以得到对应的抽取实体要素；

确定所述人工实体要素中与所述抽取实体要素重合的实体要素作为实体要素集合；

根据所述实体要素集合、所述人工实体要素以及所述抽取实体要素，计算得到所述实体要素识别模型的准确度；

将准确度超过预设第一准确度的实体要素识别模型作为训练完成的实体要素识别模型。

4.如权利要求3所述的基于知识图谱的问答方法，其特征在于，所述根据所述实体要素集合、所述人工实体要素以及所述抽取实体要素，计算得到所述实体要素识别模型的准确度的步骤包括：

将所述实体要素集合除以所述抽取实体要素，以得到所述实体要素识别模型的准确率；

将所述实体要素集合除以所述人工实体要素，以得到所述实体要素识别模型的召回率；

计算准确率与召回率的乘积以及准确率与召回率的和值，并将所述乘积除以所述和值，将得到的计算结果乘以预设数值作为所述实体要素识别模型的第一F值；

根据所述实体要素识别模型的准确率、召回率以及第一F值，计算得到所述实体要素识别模型的准确度。

5.如权利要求2所述的基于知识图谱的问答方法，其特征在于，所述训练所述标签识别模型的步骤包括：

通过所述标签识别模型对上述训练语料进行抽取，以得到对应的抽取标签；

确定所述人工标签中与所述抽取标签重合的标签作为标签集合；

根据所述标签集合、所述人工标签以及所述抽取标签，计算所述标签识别模型的准确度；

将准确度超过预设第二准确度的标签识别模型作为训练完成的标签识别模型。

6.如权利要求5所述的基于知识图谱的问答方法，其特征在于，所述根据所述标签集合、所述人工标签以及所述抽取标签，计算所述标签识别模型的准确度的步骤包括：

将所述标签集合除以所述抽取标签，得到所述标签识别模型的准确率；

将所述标签集合除以所述人工标签，得到所述标签识别模型的召回率；

计算准确率与召回率的乘积以及准确率与召回率的和值，并将所述乘积除以所述和值，将得到的计算结果乘以预设数值作为所述标签识别模型的第二F值；

根据所述标签识别模型的准确率、召回率以及第二F值，计算得到所述标签识别模型的准确度。

7.如权利要求2所述的基于知识图谱的问答方法，其特征在于，所述得到与所述词语对应的人工实体要素以及人工标签的步骤之后，包括：

将人工实体要素以及人工标签作为预设TransE算法的输入，以使得所述所述人工实体要素和所述人工标签嵌入至低维向量空间中，生成对应的向量模板；

将所述向量模板存储至入图数据库，以构建对应的知识图谱。