[发明专利]用于问答系统的查询方法、系统、介质及设备

说明书

本发明涉及数据处理技术领域，特别涉及用于问答系统的推理查询方法、系统、介质及设备，与现有技术相比，本发明提供的一种用于问答系统的推理查询方法，通过问答系统触发推理查询流程，筛选若干核心实体，确定备选实体集合；根据所述备选实体集合，结合场景规则从知识图谱中提取子图并构建概率图模型；根据概率图模型进行推理问询，以采集特征；使用所述的特征对所述核心实体进行边缘概率计算；将所述边缘概率作为结果反馈至所述问答系统。通过对多核心实体的概率提高查询结果的严谨性和可靠性。

技术领域

本发明涉及数据处理技术领域，特别涉及用于问答系统的推理查询方法、系统、介质及设备。

背景技术

知识图谱(Knowledge Graph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考。

申请号为CN201910592600.4，公开日期为2019年11月15日的发明专利公开了一种基于知识图谱的问答方法、装置、计算机设备和存储介质，该发明知识图谱包含了大量信息，可以扩大查询范围，从而提高答案的准确率，并且，本体中包括特定领域之中的概念和相互关系，因此构建出的目标查询图更加准确，可以进一步提高答案的准确度。

可见，目前知识图谱的查询大多只能实现简单的实体-关系-实体的RDF三元组查询，查询结果的严谨性无法保证。

发明内容

为解决上述现有技术中存在的查询结果不够严谨的问题，本发明提供了一种用于问答系统的推理查询方法，包括以下步骤：

S10：问答系统触发推理查询流程，筛选若干核心实体，确定备选实体集合；

S20：根据所述备选实体集合，结合场景规则从知识图谱中提取子图并构建概率图模型；

S30：根据概率图模型进行推理问询，以采集特征；

S40：使用所述的特征对所述核心实体进行边缘概率计算；

S50：将所述边缘概率作为结果反馈至所述问答系统。

进一步地，所述知识图谱还包括统计权重，所述统计权重用于实现概率图模型的构建。

进一步地，所述统计权重是指概率图模型中的条件概率，所述关系权重通过统计得出，统计方法遵循大数定律和极大似然估计方法。

进一步地，步骤S20包括以下步骤：

S21：以所述备选实体集合中的若干核心实体为核心，抽取所述子图；

S22：根据所述子图进行问询以获取关键信息，所述关键信息包括实体、关系和权重；

S23：根据所述关键信息构建所述概率图模型。

进一步地，步骤S23还包括：根据所述关键信息生成概率表。

进一步地，步骤S40中根据所述概率图模型和所述概率表，通过问询采集所述推理信息，以所述推理信息作为条件概率计算所述核心实体的边缘概率。

进一步地，根据概率图模型和概率表计算所述核心实体的边缘概率的推理计算方法采用贝叶斯网络、神经网络或者决策树中的一种。

本发明还提供一种用于问答系统的推理查询系统，包括触发模块、抽取模块、问询模块、计算模块以及反馈模块；