[发明专利]基于知识图谱的推理对话的方法

说明书

提供一种基于知识图谱的推理对话的方法。该方法（500）包括：从问句中抽取实体及其位置信息（S510）；从问句中抽取问句的关系及其位置信息（S520）；利用抽取出的实体及其位置信息、关系及其位置信息，将问句转化为逻辑表达式（S530）；利用逻辑表达式，在知识图谱中进行推理（S540）；根据推理结果，生成对问句的回答（S550）。由于抽取的实体和关系包含位置信息，可以非常简便地生成逻辑表达式，并且可以对逻辑表达式中的顺序进行调整。通过设定答案模板，可以在答案中引入更多信息，使得回答更加生动和丰富。此外，本方法增加了对于多轮问答的支持。

技术领域

本发明涉及人工智能与知识图谱，更具体涉及基于知识图谱的推理对话的方法。

背景技术

知识图谱(Knowledge Graph)又称为科学知识图谱，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。

目前，市面上存在一些基于知识图谱的问答系统。图1是市面上常见的图谱问答的流程图。如图1所示的问答系统可以抽取句子的意图类别，即实质上是对询问的关系进行分类。同时，从询问中抽取话题实体，并将该实体链接至知识图谱的实体名称(图1中标为与抽取出的“实体”相区别的“实体1”)。然后，从知识图谱中找出对于该句子的回答。然而，这些问答系统只能对句子意图进行分类，实际上对于问句的关系并未清楚掌握。而且，这些问答系统在处理逻辑表达式时需要考虑各种可能的语序，准备较多的逻辑表达式模板，从而还需要一个较长的匹配模板的过程，才能最终推理出答案。

因此，希望提供一种基于知识图谱的推理对话的方法，直接抽取问句中的实体与关系，同时自动确定实体与关系的顺序，以便大大简化逻辑表达式的形成过程。

发明内容

本发明针对以上的问题，提出一种基于知识图谱的推理对话的方法，通过抽取实体、关系以及位置信息，可以非常简便地生成逻辑表达式，从而完成在知识图谱中的推理。

根据本发明的实施例，本发明的第一方面提供了一种基于知识图谱的推理对话的方法，包括：从问句中抽取实体及其位置信息；从问句中抽取问句的关系及其位置信息；利用抽取出的实体及其位置信息、关系及其位置信息，将问句转化为逻辑表达式；利用逻辑表达式，在知识图谱中进行推理；根据推理结果，生成对问句的回答。

在本发明的第一方面的方法中，所述的从问句中抽取实体及其位置信息的步骤可以进一步包括：从问句中抽取实体的具体用词、类型信息、位置信息。所述的从问句中抽取问句的关系及其位置信息的步骤可以进一步包括：从问句中抽取问句的关系的具体用词、类型信息、位置信息。

本发明的第一方面的方法可以进一步包括：如果抽取出的实体的具体用词与知识图谱中的实体名称不一致，则将抽取出的实体的具体用词链接到知识图谱中的实体名称。

在本发明的第一方面的方法中，所述的利用抽取出的实体及其位置信息、关系及其位置信息，将问句转化为逻辑表达式的步骤可以进一步包括：根据实体的位置信息、关系的位置信息，自动地确定实体和关系在逻辑表达式中的顺序。

此外，所述方法可以进一步包括：根据知识图谱，对自动确定的实体和关系在逻辑表达式中的顺序进行调整，以形成供推理的逻辑表达式。

在本发明的第一方面的方法中，所述的根据推理结果，生成对问句的回答的步骤可以进一步包括：根据推理结果，利用答案模板生成特定形式的回答。

本发明的第一方面的方法可以进一步包括：判断问句是否残缺；如果问句残缺，通过之前的对话内容及分类模型确定需要补全的位置及内容，以补全后的问句作为待抽取实体和关系的问句。