[发明专利]一种基于知识图谱的子图匹配自然问答方法

说明书

本发明涉及一种基于知识图谱的子图匹配自然问答方法，属于计算机技术领域。当得到自然语言问题的一个正确匹配的查询子图时，歧义问题也同时解决；本发明不需要事先人工设立模板，且对复杂问句分析非常有效。本发明大致分为两个阶段：其一为问题理解，即将问题转换为逻辑形式；其二为查询评分，即对产生的结构化查询进行置信度评分。本发明为了将自然语言转换为查询图，提出了点优先(node‑first)的方法，首先从问句中抽取实体，再填充实体之间的边，来构成超语义查询图。该方法不需要事先人工设立模板，且对复杂问句分析非常有效。最终本发明能够完成子图匹配问答方法。

技术领域

本发明属于计算机技术领域，涉及一种基于知识图谱的子图匹配自然问答方法。

背景技术

大规模知识图谱的构建与应用需要多种技术的支持。通过知识提取技术，可以从一些公开的半结构化、非结构化和第三方结构化数据库的数据中提取出实体、关系、属性等知识要素。知识表示则通过一定有效手段对知识要素表示，便于进一步处理使用。然后通过知识融合，可消除实体、关系、属性等指称项与事实对象之间的歧义，形成高质量的知识库。知识推理则是在已有的知识库基础上进一步挖掘隐含的知识，从而丰富、扩展知识库。分布式的知识表示形成的综合向量对知识库的构建、推理、融合以及应用均具有重要的意义。现有技术的缺点：1.基于规则的实现只能理解一小部分的问题。2.基于关键词或同义词的实现不能完整地理解问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于知识图谱的子图匹配自然问答方法。

为达到上述目的，本发明提供如下技术方案：

一种基于知识图谱的子图匹配自然问答方法，该方法如下步骤：

S1：节点识别；

S2：结构建立；

S3：得到超语义查询图Q^U；

S4：短语映射；

S5：查找超语义查询图Q^U的近似匹配。

可选的，所述S1具体为：用已有的方法识别出所有的实体指称，并且将所有wh-词和不能匹配到任何实体的名词作为通配符。

可选的，所述S2具体为：利用句法依存树，当两个节点之间没有其余节点存在，那么这两个节点之间即认为是有边或路径相连，即为一个关系指称，且路径上所有边的label组合为这个关系指称；

当两个节点之间的指称没有label时，若两个节点都为实体、类，那么在知识图谱中将这两个节点间的关系填入；若其中一个节点为通配符，则在知识图谱中定位另外一个节点，取与其连接频数最高的那些谓词作为候选关系填入。

可选的，所述S3具体为：首先将关系提到和节点短语分别映射到候选谓词/谓词路径和实体/类；其次考虑如何将未标记的边映射到知识图谱中的谓词；

如果两个节点都是常数，即实体或类，则将两个节点定位在知识图谱中并找出它们之间的谓词；

如果一个节点v_i是一个通配符，另一个v_j是一个实体或类，在知识图谱中定位v_j，并选择最频繁的相邻谓词作为匹配边缘的候选谓词。

可选的，所述S4具体为：给出一个超语义查询图Q^U，讨论如何在知识图谱上找到具有top-k匹配分数的近似匹配；在Q^U中的一些边允许不匹配，而Q^U应该匹配所有节点，但以不同边连接所有节点的子图以S_i表示；最后，收集每个S_i的所有top-k匹配项，形成答案集，并报告答案集中匹配得分最高的k个匹配项。

本发明的有益效果在于：