[发明专利]一种基于知识图谱的问答意图识别方法

说明书

本发明公开了一种基于知识图谱的问答意图识别方法，该方法包括：构建领域主题词典；构建模板；对检索语句进行词性分析和句法依存分析；利用词向量及LDA算法计算搜索文本与模板样例的相似度；在已知的词向量基础上，基于TextCNN做更广泛的意图识别来作为开放式信息的结果；在领域图谱中提取关键词。本发明综合多种方法以实现意图识别，并结合领域的知识图谱，达到精确答案与相关信息的综合检索，满足用户的多样需求。

技术领域

本发明涉及自然语言处理和深度学习技术领域，尤其涉及一种基于知识图谱的问答意图识别方法。

背景技术

随着当代信息爆炸式的增长和科学技术的飞速发展，人们对于搜索引擎的功能已经不再满足于搜索引擎的关键词输入后返回大量包含相关关键词网页或链接的传统模式，在这种模式下，用户还需要在返回结果中人工分辨浏览，多余的结果往往需要浪费用户大量的时间去排除，准确度不高。更加易用的搜索引擎允许用户在输入口语化的描述信息后可以获得指向性更高的答案或相关知识，这就要求程序能更准确更高效的分析出用户的意图。因此近几年越来越多的智能化问答系统开始投入研发和使用。

传统的意图识别主要应用语法语义分析，句法依存分析和模板匹配的方法，这种方法需要大量规则做支撑，在规定的范围内识别准确度较高，但拓展性较差，一旦规则产生改变就需要重新进行配置，耗费大量人工。

机器学习大规模发展之后，诸如SVM，贝叶斯算法，KNN等用于分类问题的算法也被广泛应用于意图识别领域，但该方法仍然面临着人工分类标注需要大量人工的问题，并且在很多应用场景中，用户输入的文本并非单一意图，一条语句可能包含两个或以上的意图。随着对机器学习的深入研究，国内外的许多学者提出了一些多标签分类方法用以解决该类问题。

在引入深度学习的概念之后，CNN，RNN，LSTM，注意力机制等深度学习算法也开始广泛应用于文本分类领域，很多领域识别系统也纷纷将这类算法应用到实际应用中，并结合实际需求做出相应的调整和改进。

结合交通领域的特点，本专利综合多种方法以实现意图识别，并结合领域的知识图谱，达到精确答案与相关信息的综合检索，满足用户的多样需求。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于知识图谱的问答意图识别方法，该方法通过对文本进行词性和句法依存分词，并结合文本相似性计算，配合深度学习算法精确匹配用户检索语句中的意图行为和具体值，通过构建相关领域的知识图谱，获取指向用户的搜索方向及信息。

本发明的目的通过以下的技术方案来实现：

一种基于知识图谱的问答意图识别方法，包括：

A构建领域主题词典；

B构建模板；

C对检索语句进行词性分析和句法依存分析；

D利用词向量及LDA算法计算搜索文本与模板样例的相似度；

E在已知的词向量基础上，基于TextCNN做更广泛的意图识别来作为开放式信息的结果；

F在领域图谱中提取关键词。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

综合多种方法以实现意图识别，并结合领域的知识图谱，达到精确答案与相关信息的综合检索，满足用户的多样需求。

附图说明

图1是基于知识图谱的问答意图识别方法流程图。

图2、图3和图4是具体实施例图示。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。