[发明专利]基于学科知识图谱和卷积神经网络的智能答疑方法

说明书

本发明提供了一种基于知识图谱和神经网络的智能答疑方法，包括以下步骤：S1.形成用户问句q指向领域本体的候选概念集合；S2.形成用户问句指向领域本体排名前N的候选概念集合TOP(N)，以及在问句q中相对应的概念提及集合M(N)；S3.计算得出用户问句与候选概念的所有概念关系对的相似度；S4.将与用户问句q相似度值最大的概念关系对作为答案知识源；S5.在学科知识图谱的关系记录库中查询概念关系对，得到用户问句的答案并呈现给用户。本发明以学科知识图谱作为知识库，以学科知识图谱关系记录库中的关系记录作为问句的答案来源，同时通过卷积神经网络实现问句的处理与分类，提高了问句在概念关系对上的分类精度。

技术领域

本发明属于计算机技术与教育技术交叉的技术领域，具体涉及基于知识图谱和神经网络的智能答疑方法。

背景技术

智能答疑系统是智能教学系统与自动问题系统的一个交叉领域，在大型开放式网络课程系统中，答疑是一个重要环节，智能答疑系统的研发，有助于提高教学的效能。智能答疑系统是一个与知识高度相关的系统，现行的智能答疑系统在知识库的组织上普遍存在以下问题：(1)许多智能答疑系统的答案直接建立在非结构化的文档内容，没有构建基于语义网的知识库；(2)在基于语义网和本体的知识结构中，普遍存在语义关系过于单一的现象，如许多系统只采用类似教材目录的整体-部分的包含关系组织语义网的知识点，许多系统的本体只存在“is-a”单一的语义关系；(3)教学内容普遍采用单一的文字或文本形式，缺乏对多媒体教学内容的有效管理与使用；(4)部分使用知识图谱的智能答疑系统，基于语义关系的知识挖掘不到位，表征认知的外化与形式化的知识太少，无法正真做到通过语义关系实现所有答案的推理、检索，以及无法实现通过语义关系实现对学习者认知状态的诊断、评测与补救。此外，目前的智能答疑系统的问句分类方法大多数都是采用基于人工特征的语义分析方法，难以适应当前大数据时代，答疑系统问句形式复杂、多变的现状，同时也因语义分析的各个环节的错误传递，造成问句分类的精度不高。

知识图谱的概念是谷歌公司为应对智能化语义检索的挑战而提出的.2012年5月17日，谷歌公司发布知识图谱项目，并宣布以此为基础构建下一代智能化搜索引擎，其目标是将互联网的链接从网页的链接迈向数据甚至知识的链接。知识图谱.是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体一关系一实体”三元组，以及实体及其相关属性一值对，实体间通过关系相互联结，构成网状的知识结构。随着近年来谷歌知识图谱相关产品的不断上线，这一技术也引起了业界和学术界的广泛关注，已成为各行各业从网络化向智能化转型升级的关键技术之一，也为个性化自适应学习系统中领域知识建模这一核心和基础问题，提供了新的技术手段。知识图谱有利于解决目前智能答疑系统存在的问题，但目前尚没有文献公开相关的基于知识图谱的智能答疑方法。

发明内容

本发明提供了一种基于知识图谱和神经网络的智能答疑方法，以学科知识图谱作为知识库，以学科知识图谱关系记录库中的关系记录作为问句的答案来源，同时通过卷积神经网络实现问句的处理与分类，确保系统教学知识的完备性和具有端到端的特点，极大丰富了系统的知识库，避免了语义分析的各个环节的错误传递，提高了问句在概念关系对上的分类精度。

为实现上述目的，本发明的技术方案为：

一种基于知识图谱和神经网络的智能答疑方法，包括以下步骤：

S1.使用用户问句q中的每个汉字，检索领域本体中包含该汉字的概念，形成用户问句q指向领域本体的候选概念集合ConSet；

S2.通过候选概念集合ConSet及其与问句q基于字表面的相似度，自动识别用户问句q中的概念提及，形成用户问句q指向领域本体排名前N的候选概念集合TOP(N)，以及在问句q中相对应的概念提及集合M(N)；