[发明专利]基于法律知识图谱的查询方法、装置、电子设备及介质

说明书

本发明涉及数据处理技术领域，提供一种基于法律知识图谱的查询方法。该方法能够基于注意力机制从法律知识图谱的元素列表中链接到查询语句的权重向量，区分了每个词的贡献率，基于权重计算得到特征矩阵并输入到编码器中，得到编码器的输出数据，编码器包括两个BiGRU网络，并利用解码器处理编码器的输出数据，得到机器查询语言，解码器包括四个BiGRU网络，由于对编码器及解码器的结构都分别进行了优化，使查询语句的转化更加精确、稳定，进一步在数据库中执行机器查询语言，输出查询结果，由于通过数据处理得到的机器查询语言更加准确，因此输出的查询结果也更加准确可靠，进而实现了对查询语句的自动转化及查询，提升了查询效率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于法律知识图谱的查询方法、装置、电子设备及介质。

背景技术

自然语言生成是人工智能行业中非常重要的研究领域，对于人类来说这是一种天生的能力，而对于人工智能来说，却代表了最高水平的进展。研究自然语言生成能够帮助用户以更快速、更准确、更低成本的方式从数据库中查到需要的答案。

而在法律领域，由于一些专业名词本身具有很高的相似性，不易区分，且要想得到查询结果，往往需要经过多个步骤，每个步骤都有可能因为意图传递不明确或者理解偏差等原因导致查询结果有误，准确性较低。

同时，目前的查询方法泛化能力较弱，无法应对复杂多变的新问题，当面对新问题事，还要重新训练模型，成本也较高。

发明内容

鉴于以上内容，有必要提供一种基于法律知识图谱的查询方法、装置、电子设备及介质，能够基于注意力机制区分每个词的贡献率，并对编码器及解码器的结构分别进行了优化，使查询语句的转化更加精确、稳定，由于通过数据处理得到的机器查询语言更加准确，因此输出的查询结果也更加准确可靠，进而实现了对查询语句的自动转化及查询，提升了查询效率。

一种基于法律知识图谱的查询方法，所述方法包括：

当接收到查询语句时，从第一预设字典中查询所述查询语句的矩阵；

基于注意力机制从法律知识图谱的元素列表中链接到所述查询语句的权重向量；

计算所述查询语句的矩阵与所述权重向量的乘积，得到所述查询语句对应的第一矩阵；

从第二预设字典中查询SQL语句的第二矩阵，以及从第三预设字典中查询所述元素列表的第三矩阵；

拼接所述第一矩阵、所述第二矩阵及所述第三矩阵，得到特征矩阵；

将所述特征矩阵输入到编码器中，得到所述编码器的输出数据，其中，所述编码器包括两个BiGRU网络；

利用解码器处理所述编码器的输出数据，得到机器查询语言，其中，所述解码器包括四个BiGRU网络；

在数据库中执行所述机器查询语言，输出查询结果。

根据本发明优选实施例，所述编码器中的每个BiGRU网络包括多个子单元，所述方法还包括：

对于每个子单元，在初始时刻，获取预先配置的初始化值，及获取初始特征矩阵，将所述初始化值及所述初始特征矩阵输入到该子单元中，输出初始状态；或者

在除所述初始时刻外的其他时刻，获取上一时刻的输出状态，及获取当前特征矩阵，将所述上一时刻的输出状态及所述当前特征矩阵输入到该子单元中，输出当前状态。

根据本发明优选实施例，所述方法还包括：

以所述多个子单元串行后的输出作为每个BiGRU网络的输出状态；

对每个BiGRU网络的输出状态进行向量拼接，作为所述编码器的输出数据；

将所述编码器的输出数据上传至区块链中。