[发明专利]基于图嵌入的问答知识检索方法、装置及设备

说明书

本发明提供一种基于图嵌入的问答知识检索方法、装置及设备，方法通过接收问题查询语句；基于命名实体识别模型，抽取问题查询语句的元素实体，并构建元素实体的第一语义向量和问题查询语句的第二语义向量；根据元素实体构建问题查询子图，并嵌入对应第一语义向量至问题查询子图；根据元素实体和第二语义向量，在问答知识图谱中召回目标问题知识点子图集合；输入问题查询子图和目标问题知识点子图集合至图嵌入与相似度匹配模型，输出问题查询语句对应的检索答案，通过加入实体语义向量的方式可以有效地解决同义词造成的匹配不准确问题，同时通过图嵌入与相似度匹配模型结合了图和文本进行知识检索，有效地提高了问答信息匹配的精确度。

技术领域

本发明涉及问答系统技术领域，尤其涉及一种基于图嵌入的问答知识检索方法、装置及设备。

背景技术

在问答系统中，为实现更智能更专业的问答需要融合专业领域的知识，一般通过构建基于知识图谱或者知识库的问答系统(knowledge base question answering，KBQA)来实现。当前大多基于知识图谱的问答系统，主要通过语义分析识别用户问句中的实体和关系，再通过依存句法分析或者规则模板方法，构建相应的查询语句在知识图谱或者知识库中进行查询，得到候选问答集合，再通过一定的规则进行排序，返回用户的答案。然而这种方法在处理用户多样化表述的时候会有一定缺陷，查询语句或者规则模板很难覆盖用户的各种表述形式。大多方案是通过近义词典替换的方法进行优化，但是一词多义和词典维护也是很麻烦的事。

因此，如何提高专业领域中问答系统的信息匹配精确度成为了本领域技术人员亟需解决的技术问题。

发明内容

本发明提供一种基于图嵌入的问答知识检索方法、装置及设备，用以解决现有技术中问答系统中专业领域信息匹配精确度低的缺陷，实现有效地提高信息问答的匹配精确度。

本发明提供一种基于图嵌入的问答知识检索方法，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。

根据本发明提供的一种基于图嵌入的问答知识检索方法，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。

根据本发明提供的一种基于图嵌入的问答知识检索方法，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。

根据本发明提供的一种基于图嵌入的问答知识检索方法，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；