[发明专利]一种候选池生成方法

说明书

本发明提供一种候选池生成方法，属于知识图谱问答技术领域。针对候选池生成，本发明提供了一种非严格N元语法字符串匹配方法，依次通过对主语相关短语在知识图谱进行完全匹配、部分匹配、降低主语相关短语后继续匹配的方式，在知识图谱中查找匹配节点构建候选池，在降低候选池规模的同时有效提高了实体召回率；进一步的，基于上述候选池生成方法，提供一种简单问答系统的实现方法，提高了问答系统的鲁棒性和准确率；此外，本发明又进一步对简单问答系统的谓词抽取方法进行改进，进一步提高了问答系统的准确率和效率。对比现有技术，本发明提出的上述方法，以更少的资源，更简单的算法过程提高了问答系统的鲁棒性和准确率。

技术领域

本发明涉及一种候选池生成方法，特别涉及一种在知识图谱问答系统中提高候选池生成性能并基于此实现简单问答系统的方法，属于知识图谱问答技术领域。

背景技术

随着互联网技术的蓬勃发展各种类型的网络信息呈爆炸式增长，万维网(World-Wide-Web,WWW)已发展成为大型分布式全球信息集散地。然而网络是一把双刃剑。一方面，大量信息涌入互联网，为信息服务提供了强有力支撑，网络已经成为获取知识和信息的重要途径。另一方面，网络信息的多样性、无序性、分散性以及信息污染给信息的获取造成了干扰。如何高效地进行网络信息的检索，如何依据网络用户的查询请求帮助他们海量数据中准确迅速地选择出需要的信息。搜索引擎技术应运而生。依托于庞大的商业计算机群和强有力的搜索核心算法，用户逐渐习惯于使用搜索引擎进行信息检索。

随着各大搜索引擎服务的日趋完善，人们不再满足于传统的文档检索。他们更希望直接获取所查询问题的准确答案而不是一组包含指定关键词的文档。基于此需求，智能问答任务已成为工业界和学术界的研究热点。一个典型的问答系统涉及信息检索，信息抽取，自然语言处理三大研究领域。该系统的主要任务是通过自然语言处理理解问题，通过信息检索获取相关文档，通过信息抽取生成答案，从而将最终结果返回给用户。根据搜索领域划分，问答系统可以分为闭域问答和开域问答系统，分别对应垂直搜索领域和通用搜索领域。闭域问答任务因其需要处理的数据规模较小而可以被看作是更简单的任务。开域问答系统处理几乎各种类型的问题，包括事实型、枚举型、定义型、假设型、语义约束型和跨语言型等。因此，如何从庞大的数据规模中高效快速地抓取有用信息成为构建开域问答系统的一大难题。近年来，知识图谱研究工作的推进为开域问答系统的研究提供了助力。

目前，在自然语言处理领域，知识图谱已成为构建知识型数据库的有效手段，用以进行知识获取和推理，从而回答用户提出的问题。知识图谱中的节点，又称实体，由统一资源定位符(Uniform Resource Locator,URI)标识。节点与节点之间通过具有显式语义关系的有向边连接在一起，共同构成了知识图谱，而以特定节点为中心的知识图谱子图形成了具体的概念。由于知识图谱中的知识通常以三元组的形式进行存储，天然地对应了自然语言语句中的主语、谓语和宾语，所以知识图谱可以很方便地应用于智能问答任务中。

不同于需要多级推理能力的复杂问答系统，简单问答系统在知识图谱中寻找单跳路径来检索问题的答案。我们将仅涉及单个三元组的问题称之为一阶事实型问题或简单问题。事实上，这些涉及“何时”、“何地”、“是什么”、“哪一个”等简单查询的一阶事实型问题构成了通用搜索查询的主要部分。此外，随着大规模知识图谱结构的不断完善，例如，CN-DBPedia,Satori，谷歌知识图谱等，许多复杂问题可以降级为一阶事实型问题。简单问答任务无论在商业还是在学术上都有着重要地位，该任务虽然称之为“简单”却远未解决。如何将自然语言问题中的主语链接到知识图谱中的节点，如何从富于变换的问法中抽取出真正的谓语，仍然是知识图谱问答任务中的研究热点。现有知识图谱问答系统的框架模型如下：