[发明专利]一种基于知识图谱的智能问答方法

说明书

本发明涉及一种基于知识图谱的智能问答方法，包括：对应用领域知识图谱的实体、属性、关系进行预先设计；采集数据并对采集到的数据按照预先设计的知识图谱结构进行标注；从数据中抽取实体、关系、属性，经人工检查存储到Neo4j数据库中构建得到知识图谱；对输入的问句按照意图进行分类；对专业意图的问句进行实体识别和意图推理；根据实体识别和意图推理的结果匹配模板，生成CQL语句；最终将CQL语句在数据库中的查询结果生成文本，得到最终问答结果。实现了对自然语言问句的理解，并针对问句做出相对准确的回答。

技术领域

本发明涉及知识图谱领域，具体涉及一种基于知识图谱的智能问答方法。

背景技术

知识图谱本质上是一个庞大的知识库，以图的结构形式将知识库内的知识进行链接，用可视化技术描述知识资源及其载体，可以形象地挖掘、分析、构建和显示知识及其联系。问答系统是信息检索系统的一种高级形式，他能用准确、简洁的自然语言回答用户用自然语言提出的问题。近年来，基于知识图谱的问答系统成为学术界和工业界研究和应用的热点，在百科知识问答、金融、医疗等领域得到了广泛的应用。

现有技术中，构建的知识图谱模型多为通用知识图谱，覆盖面广泛，但质量差，容易出现数据松散和覆盖率低的问题，导致问答过程对于专业知识匹配覆盖较低，很多时候得不到满意的回答。同时针对智能问答方法，现有技术经常采用将意图识别视为分类任务，该方法虽然有效，但如果问题中混杂普通对话和专业意图，分类准确率不够理想。

因此，如何构建专业领域知识图谱，并基于知识图谱准确进行用户意图识别，实现专业领域的智能问答，成为本领域技术人员亟待解决的问题。

发明内容

鉴于现有技术的状况，本发明提供了一种基于知识图谱的智能问答方法，对应用领域知识图谱的实体、属性、关系进行预先设计；采集数据并对采集到的数据按照预先设计的知识图谱结构进行标注；从数据中抽取实体、关系、属性，经人工检查存储到Neo4j数据库中构建得到知识图谱；对输入的问句按照意图进行分类；对专业意图的问句进行实体识别和意图推理；根据实体识别和意图推理的结果匹配模板，生成CQL语句；最终将CQL语句在数据库中的查询结果生成文本，得到最终问答结果，实现了应用领域的智能问答，提高了问答的准确率。

本发明采取的技术方案是：一种基于知识图谱的智能问答方法，该方法包括知识图谱构建、文本预处理、问题匹配、文本生成：

步骤1，所述的知识图谱构建，首先借助专家知识，对专业领域知识图谱的实体、属性、关系进行预先设计；其次通过采用开源数据或爬虫方式采集数据，包括结构化数据、半结构化数据和非结构化数据，并对采集到的数据按照预先设计的知识图谱结构进行标注；最终进行知识抽取，以标注结果为标签，从数据中抽取其中包含的实体、关系、属性，并将抽取结果进行人工检查，确保无误后将其以实体-关系-实体和实体-属性-属性值的三元组形式存储到Neo4j数据库中，视为知识图谱构建完成；

步骤2，所述的文本预处理，是指对用户输入的查询语句进行处理，首先进行意图诊断，判断是闲聊意图还是专业问题，若为闲聊问题，采用预设好的模板进行回答；若为专业问题，则由命名实体识别模型提取出问句中包含的专业实体，再由意图推理模型，推断询问的是哪方面的专业意图并得出意图置信度；

步骤3，所述的问题匹配，首先通过专业实体和专业意图选择模板，再通过槽位填充的方式进行处理，根据步骤2意图推理得到的意图置信度确定回复策略并生成对应的CQL查询语句到Neo4j数据库中查询内容；

步骤4，所述的文本生成，将查询结果输入到文本生成模型中，得到自然语言形式的句子，并将其作为最终答案。

步骤1中所述的知识抽取，采用实体关系联合抽取方法，以标注结果为标签，同时抽取出数据中包含的实体、关系和属性。

步骤2中所述的命名实体识别模型，采取bert预训练模型+BiLSTM+CRF的网络结构。