[发明专利]一种基于文物知识图谱的智能语义检索方法

权利要求书

1.一种基于文物知识图谱的智能语义检索方法，其特征在于，包括以下步骤：

(1)检索语句的实体映射：采用分词特征和词性特征对用户检索语句进行向量化表示，利用实体识别模型识别向量化表示的用户检索语句的识别实体，并通过同义词典对识别实体进行描述归一化后，在文物知识图谱中对识别实体进行定位，即确定在文物知识图谱中与识别实体对应的对应实体；其中，实体识别模型采用Encoder-Decoder模式进行实体识别任务，Encoder端采用双向LSTM进行编码任务，Decoder端采用条件随机场进行解码任务；

(2)检索语句的关系映射：根据对应实体的实体类型，采用与该实体类型对应的关系映射模型对对应实体进行用户检索意图的知识图谱关系映射，确定映射关系；其中，关系映射模型采用神经卷积网络进行关系映射任务，具体网络结构包括：卷积层：对输入向量使用卷积计算操作来获取其中的特征矩阵，具体采用unigram(1*1)、bigram(2*2)、trigram(3*3)三组卷积核，即每次卷积操作分别覆盖一个词、两个词和三个词，每组卷积核20个；池化层：对卷积后的特征向量再次进行筛选，提取出主要特征，减少矩阵运算的计算量，采用平均池化方式，以最大程度保留特征；全连接层：对多个池化结果进行连接，得到最终特征向量表示；softmax层：对输入的最终特征向量进行计算得到相应类别的概率序列；

(3)根据所述对应实体和所述映射关系生成满足知识图谱查询模式语句，并用此查询模式语句来进行文物知识图谱的检索。

2.如权利要求1所述的基于文物知识图谱的智能语义检索方法，其特征在于，采用jieba工具获取分词特征，采用Stanford CoreNLP工具对用户检索语句进行标注，获取词性特征。