[发明专利]一种基于汽车产业图谱知识问答方法、系统及电子设备

说明书

本发明公开了一种基于汽车产业图谱知识问答方法、系统及电子设备，首先针对湖北省汽车产业内产业数据构建完善的产业图谱；将产业图谱进行嵌入表示，得到产业图谱内实体与关系的向量表示；然后依据使用者提出的问题进行分词解析，并对其进行处理得到问句的低维表示嵌入，其维度与产业图谱的表示嵌入相同；最后，在已知产业图谱表征、每个三元组的得分以及问句的表征后，需要对候选答案进行推理筛选，即以问句表示的实体为中心，沿着关系路径进行推理得到答案实体。本发明展示了湖北省汽车产业的发展现状，为使用者对于产业图谱内的海量信息提供了一种高级便捷的检索方式。

技术领域

本发明属于智能问答与知识图谱技术领域，具体涉及到基于湖北省汽车产业数据构建的产业图谱的知识问答方法、系统及电子设备。

背景技术

随着人工智能技术的不断发展，知识图谱也随之不断演化进步，其规模和深度日趋变得扩大。大数据所支撑的大规模知识图谱在各个领域都扮演着重要的角色，包括信息检索、智能问答、推荐系统等等。同样地，湖北省汽车产业内的数据包括了企业、项目、地区和子类产业等等不同维度的信息。这样一个以湖北省汽车产业投资数据为基础的产业图谱，不仅涵盖了汽车产业布局、发展分布以及各个子类产业之间的上下游关系，而且通过整合项目的相关信息，可以体现汽车产业子类的发展情况。除此之外，汽车子类产业在不同地区的分布情况也可以代表着地方汽车产业的发展现状和趋势。

基于知识图谱的知识问答是对于知识图谱信息检索的一种更高级的方式，使用者不需要了解结构和存储信息就可以与知识图谱进行交互。现有的基于知识图谱的知识问答方法可以分成三大类：

1.基于语义解析的方法，这种方式偏向于语言学，主要思想是对问句构建逻辑形式，通过相应的查询语句在知识图谱中查询答案；

2.基于信息抽取的方法，这种方法通过抽取问句中的实体和关系，通过子图和分类器等对候选答案进行筛选；

3.基于深度学习的方法，这种方法是自深度学习的发展应运而生，并逐渐成为主流的方法。

目前对于中文知识图谱的知识问答并没有一个统一的解决方法，而且在构建问答系统的过程中，对于知识图谱的表示嵌入很多都直接采用现有的表示方法。但是对于产业图谱内的数据来说并不适用，因为产业图谱内拥有大量表征实体属性的属性三元组。

发明内容

为了解决上述技术问题，本发明提出了一种基于汽车产业图谱知识问答方法、系统及电子设备，从而让使用者更加方便、快捷地了解到产业内的信息，同时对于产业图谱内大量的属性三元组和关系三元组设计了一个新的表示方法。

本发明的方法所采用的技术方案是：一种基于汽车产业图谱知识问答方法，包括以下步骤：

步骤1：针对汽车产业数据，构建完整的汽车产业图谱，并从中获取代表产业发展的三元组数据；

所述汽车产业包括汽柴油整车制造产业，新能源整车制造产业，汽车用发动机制造产业，改装汽车制造产业，低速汽车制造产业，电车制造产业，汽车车身产业、挂车制造产业和汽车零部件及配件制造产业；

所述汽车产业数据包括产业结构、产业分布和产业布局数据；

三元组数据一般包括两个实体和它们之间的关系，一般形式为(h,r,t)，其中h为头实体，r为实体间的关系，t为尾实体；