[发明专利]一种基于知识图谱的文学编年史问答系统的构建方法

权利要求书

1.一种基于知识图谱的文学编年史问答系统的构建方法，其特征在于包括如下步骤：

1)预处理数据：设计关系型数据库ER图，获取文学编年史相关的结构化数据，转存数据于自定义schema数据库中；

2)本体建模：根据文学编年史涉及的概念、实体，自上而下构建垂直领域的本体结构；

3)数据格式转换：利用创建的本体，创建映射文件；将关系型数据库中的结构化数据转为RDF格式；

4)数据存储及查询服务：利用第三方开源软件存储RDF数据，并启用SPARQL查询终端提供接口；

5)语义解析：通过基于正则与规则的方法对用户查询进行语义解析，若解析失败，则采用基于神经网络的方法解析用户查询；

所述的基于正则与规则的方法具体为：

将用户查询中的每个词作为一个对象；该对象拥有两个基本属性：词汇与词性；利用开源工具REfO定义匹配规则；当拥有特定词汇或词性的组合出现时，一条规则匹配成功，执行预设的函数；针对每条用户查询，首先利用开源分词工具Jieba对用户查询进行分词和词性标注，得到一个对象列表；其次与预定义的规则逐一匹配；匹配成功，则执行对应的函数；匹配失败，则采用基于神经网络的方法；

所述的基于神经网络的方法具体为：

将用户查询语义解析分解为两个子问题：命名实体识别与短文本分类；采用BiLSTM+CRF网络结构来解决命名实体识别问题；LSTM每个单元的具体实现如下：

i_t＝σ(W_xix_t+W_hih_t-1+b_i)

f_t＝σ(W_xfx_t+W_hfh_t-1+b_f)

o_t＝σ(W_xox_t+W_hoh_t-1+b_o)

c_t＝f_tc_t-1+i_ttanh(w_xcx_t+w_hch_t-1+b_c)

h_t＝o_ttanh(c_t)

其中σ代表sigmoid函数；i_t，f_t，o_t，c_t分别代表t时刻的输入门、遗忘门、输出门和记忆单元，大小与隐藏单元一致；W_xi、W_xf、W_xo、w_xc分别代表任一时刻输入门、遗忘门、输出门和记忆单元关于输入的参数；W_hi、W_hf、W_ho、w_hc分别代表任一时刻输入门、遗忘门、输出门和记忆单元关于隐藏单元的参数；b_i、b_f、b_o、b_c分别代表任一时刻输入门、遗忘门、输出门和记忆单元的偏置；x_t代表当前时刻的输入；h_t-1代表上一个时刻的隐藏单元；利用双向LSTM结构获取当前时刻之前和之后的特征；经过LSTM抽取的特征作为CRF模型的输入，解码得到当前时刻字符的标签；

采用TextCNN模型进行短文本分类；用户查询作为模型的输入，查询对应的属性作为输出；假设是一个k维向量，代表查询中第i个词；一个长度为n个词的查询表示为：

一个卷积操作的卷积核大小为即用大小为h的窗口在查询词列表进行滑动，进行卷积操作，产生新的特征：

c_i＝f(w·x_i：i+h-1+b)

其中c_i是每次卷积操作得到的特征，f是一种非线性函数；该卷积应用于所有的查询子序列{X_1：h，X_2：h+1，……，X_n-h+1：n}，最后得到如下特征图：

c＝[c₁，c₂，……，c_n-h+1]

其中c是长度为n-h+1的向量，即然后，取该特征向量的最大值，作为该卷积最终得到的特征值：

采用卷积核大小分别为3，4，5的卷积核各100个，将每个卷积核得到的特征值进行拼接，最终得到一个长度为300的特征向量；对该特征向量进行全接连操作，加上softmax函数求得每个属性的概率；

6)SPARQL查询：根据语义解析的结果构建SPARQL查询，对知识图谱进行搜索得到相应结果返回用户；

7)日志反馈收集：收集用户使用日志和用户反馈用于定位失败的案例，改进系统功能；将日志作为标注数据，迭代训练神经网络模型，提升泛化性能。