[发明专利]一种基于动态知识图谱的无模板通用智能问答方法

说明书

本发明提供一种基于动态知识图谱的无模板通用智能问答方法，包括：自然语言问句理解，基于本体和问答上下文自动构建关于实体和关系的动态知识图谱，联合上下文和知识图谱确定查询意图，构造面向查询的动态知识图谱。本发明无需预先人工构建问答模板，能有效将自然语言查询问句转化为语义等价的动态知识图谱，用于通用问答系统对自然语言问句的理解，保证在通用问答场景下构造出的动态知识图谱能充分表达自然语言问句的语义，达到良好的问答效果和性能。

技术领域

本发明公开了一种基于动态知识图谱的无模板通用智能问答方法，属于人工智能技术领域，涉及通用智能问答技术。

背景技术

智能问答系统旨在理解用户输入自然语言问句并给出该问题的答案，这需要系统能对用户输入的自然语言问句进行充分理解，通过查询事先构建的知识图谱，以及合理运用推理来获得正确答案。目前，随着知识图谱的广泛应用，很多智能问答系统都是以知识图谱为支撑的，利用知识图谱实现对问题的准确回答。

现有的智能问答系统主要采用基于模板的方法。基于模板的智能问答系统主要通过对常见问题的归纳总结，从中抽取出通用的问题模板，并建立问题模板到查询模板之间的映射关系，对于用户提出的问题使用已有模板进行匹配，利用匹配到的查询模板构造形式化查询，然后在知识图谱中检索出相应的答案。这种方法存在着一定的局限性，当用户提出的问题没有匹配上模板库中的模板时，问答系统将不能够对用户的问题给出回答，因此这种方法在问题表达的多样性上覆盖率较低，灵活性较差。无需模板的通用问答技术可克服基于模板的问答的局限性，具有重要的应用价值。

发明内容

本发明所要解决的技术问题是：针对现有技术的缺陷，本发明利用问答系统中用户输入的自然语言问句结构变化的动态性特点，提出了一种面向智能问答系统的动态知识图谱构建方法。本方法通过识别自然语言问句中的命名实体，并抽取问句中的语义关系，再结合本体定义构造动态知识图谱，最后根据问句信息和动态知识图谱确定查询的意图，生成带有查询意图的动态知识图谱。本方法生成的带有查询意图动态知识图谱可以转化为结构化查询，在转化为结构化查询之后，可在大规模知识图谱上进行查询匹配和推理，给出用户期望的答案。

本发明为解决上述技术问题采用以下技术方案：

一种基于动态知识图谱的无模板通用智能问答方法，所述方法包括如下步骤：

步骤一、自然语言问句的命名实体识别，对输入的自然语言问句进行解析，从文本中识别出命名实体的指称项；

其中，对自然语言问句进行语义解析时，采用正则匹配与深度学习模型相结合的方式，识别出自然语言问句中存在的命名实体。

步骤二、问句中的关系抽取：构造应用业务相关的关系词典，对本体中出现的每一个关系构建近义词集合，当用户输入的自然语言问句中含有关系词典中的一个或多个词，则将每一个这样的词映射为一条对应的关系；

其中，依据关系近义词词典对问句进行关系抽取。

步骤三、根据本体将实体和关系映射为动态知识图谱子图，对于经过步骤一和步骤二识别出的实体和关系，结合本体结构和业务需求，动态地将每一个识别出的实体和抽取出的关系映射为一个图结构，作为动态知识图谱子图；

其中，基于本体将关系和实体映射为动态知识图谱的多个子图，所述子图为动态生成，且满足本体对知识图谱的约束。

步骤四、合并动态知识图谱子图，结合问句中的结构信息定义启发式规则，将步骤三中得到的多个动态知识图谱子图合并为一个连通的、能充分表达原问句中语义信息的最终动态知识图谱；

其中，动态知识图谱的子图合并具体包括：

利用启发式规则和语法依存结构对各个子图进行合并；

当合并的子图不连通时，根据隐含关系列表向不连通的知识图谱中添加隐含关系，使得合并后的动态知识图谱是连通的。