[发明专利]基于图嵌入的问答知识检索方法、装置及设备在审

专利信息
申请号: 202111121605.2 申请日: 2021-09-24
公开(公告)号: CN113947084A 公开(公告)日: 2022-01-18
发明(设计)人: 王健健;邓伟杰;蒋华晨 申请(专利权)人: 盛景智能科技(嘉兴)有限公司
主分类号: G06F40/295 分类号: G06F40/295;G06F40/30;G06K9/62;G06F16/36;G06F16/332;G06F16/33
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 李梦晨
地址: 314506 浙江省嘉兴市桐乡*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 嵌入 问答 知识 检索 方法 装置 设备
【权利要求书】:

1.一种基于图嵌入的问答知识检索方法,其特征在于,包括:

接收问题查询语句;

基于命名实体识别模型,抽取所述问题查询语句的元素实体,并构建所述元素实体的第一语义向量和所述问题查询语句的第二语义向量;

根据所述元素实体构建问题查询子图,并嵌入对应所述第一语义向量至所述问题查询子图;

根据所述元素实体和所述第二语义向量,在问答知识图谱中召回目标问题知识点子图集合;

输入所述问题查询子图和所述目标问题知识点子图集合至图嵌入与相似度匹配模型,输出所述问题查询语句对应的检索答案。

2.根据权利要求1所述的基于图嵌入的问答知识检索方法,其特征在于,所述接收问题查询语句之前,还包括:

采集专业领域下的语料信息,根据所述语料信息构建词向量模型;

遍历问答知识图谱中的实体和关系,通过所述词向量模型,确定所述问答知识图谱中每个实体的语义向量,并添加所述语义向量至所述问答知识图谱对应的节点上。

3.根据权利要求1所述的基于图嵌入的问答知识检索方法,其特征在于,所述根据所述元素实体和所述第二语义向量,在问答知识图谱中召回目标问题知识点子图集合,包括:

基于问答知识图谱和所述问题查询语句的元素实体,得到第一知识点子图集合;

基于问答知识图谱和所述第二语义向量,得到第二知识点子图集合;

将所述第一知识点子图集合和所述第二知识点子图集合进行合并去重,得到目标问题知识点子图集合。

4.根据权利要求3所述的基于图嵌入的问答知识检索方法,其特征在于,所述基于问答知识图谱和所述问题查询语句的元素实体,得到第一知识点子图集合,包括:

在问答知识图谱中,检索所述问题查询语句的元素实体和与所述问题语句为同义词的语句对应的元素实体,得到第一知识点实体;

对所述第一知识点实体进行关联查询,得到第一知识点子图集合。

5.根据权利要求3所述的基于图嵌入的问答知识检索方法,其特征在于,所述基于问答知识图谱和所述第二语义向量,得到第二知识点子图集合,包括:

在所述问答知识图谱中遍历与所述元素实体类型相同的相似实体节点;

计算所述相似实体节点的第一语义向量与所述第二语义向量的余弦相似度;

选取所述余弦相似度大于预设阈值的实体节点作为第二知识点实体,对所述第二知识点实体进行关联查询,得到第二知识点子图集合。

6.根据权利要求1所述的基于图嵌入的问答知识检索方法,其特征在于,所述输入所述问题查询子图和所述目标问题知识点子图集合至图嵌入与相似度匹配模型,输出所述问题查询语句对应的检索答案,包括:

遍历所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的相似度,并根据所述相似度进行排序;

根据所述图嵌入与相似度匹配模型,得到所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数;

根据所述排序的结果和所述匹配相似度分数,输出所述问题查询语句对应的检索答案。

7.根据权利要求6所述的基于图嵌入的问答知识检索方法,其特征在于,所述图嵌入与相似度匹配模型包括:图嵌入匹配子模型和文本相似度子模型;

对应的,所述根据所述图嵌入与相似度匹配模型,得到所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数,包括:

输入所述问题查询子图和所述目标问题知识点子图集合中每个问题知识点子图至所述图嵌入匹配子模型,得到图相似度分数;

输入所述问题查询子图和所述目标问题知识点子图集合中每个问题知识点子图至所述文本相似度子模型,得到文本相似度分数;

将所述图相似度分数与所述文本相似度分数相加,得到所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于盛景智能科技(嘉兴)有限公司,未经盛景智能科技(嘉兴)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111121605.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top