[发明专利]基于知识图谱的问答方法、装置和存储介质

说明书

本发明提供了一种基于知识图谱的问答方法、装置和存储介质，方法方法先是获取用户输入的问答语句，对问答语句进行分词，并通过训练完成的实体要素识别模型以及标签识别模型，分别获取问答语句中的实体要素和实体要素对应的标签；将实体要素、标签以及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问答语句的匹配度，并将匹配度最高的预设模板确定为查询模板；将实体要素和标签输入至查询模板中，得到对应的查询语句，并将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。本发明通过上述方式减轻了对训练语料的依赖程度，对用户的问答语句进行了深层次的挖掘，从而提高问答系统输出的问答结果的准确性。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种基于知识图谱的问答方法、装置和存储介质。

背景技术

随着互联网技术的发展，大规模网络数据资源的出现，人们希望从海量的互联网数据中准确、快速地获取有价值的信息，这推动了检索式的问答系统被广泛的应用。问答系统是信息检索系统的一种高级形式。它能用准确、简洁的自然语言回答用户用自然语言提出的问题。在目前的人工智能和自然语言处理领域中，对于问答系统的开发和完善，也是一个倍受关注并具有广泛发展前景的研究方向。

目前，传统的问答系统是基于一定的问答语料训练模型，将用户的自然语言经过处理后输入至训练完成的模型中，通过查询模型中相似的语料得到结果。但这种问答系统的准确性取决于训练语料的覆盖性，当用户输入的问题较为复杂时，传统的问答系统输出的问答结果不准确。

发明内容

本发明的主要目的在于提供了一种基于知识图谱的问答方法、装置和存储介质，旨在解决传统的问答系统输出的问答结果不准确的技术问题。

为实现上述目的，本发明提供了一种基于知识图谱的问答方法，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。

可选地，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。

可选地，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。

可选地，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：