[发明专利]一种基于结构化查询的智能推理方法

说明书

本发明公开一种基于结构化查询的智能推理方法，基于结构化查询语言缓解或解决现有专家系统在知识获取上存在的瓶颈问题，用户基于自身的领域知识和业务特性，分析业务流程，抽象业务规则，并利用结构化查询语言形成场景规则。结构化查询语言的通用性以及普遍性降低知识获取的门槛，简化规范规则设计、规则构建。同时提供预设推理模版进一步简化规则构建过程。

技术领域

本发明涉及一种基于结构化查询的智能推理方法，属于人工智能技术领域。

背景技术

垂直领域的智能对话系统或者业务咨询系统的多轮对话能力的高低确定了其自身的竞争力和优越性，所以学界业界重点研究和突破人机交互系统多轮对话。常见多轮对话系统流程如下：首先通过语音或者文本获取到用户输入，基于自然语言处理技术完成信息结构化以及切片化的多维度分析，同时挖掘对话的隐含信息，然后联合上下文结构化信息以及相应的推理机制获取结构化答案或者反问信息，最后合成自然语言文本输出。其中推理机制结合行业知识库完成对话系统状态的更新同时决定答案内容和反问内容。

在业务驱动或用户驱动的多轮对话系统本质上就是基于用户输入和垂直行业业务知识，利用推理机制推动对话进行。推理指的是基于已知事实推理出未知事实的过程，推理方法按照解决方法分类可以分为基于描述逻辑分类、基于人工规则推理、基于概率逻辑的推理、基于表示学习和神经网络的推理。

基于描述逻辑的逻辑推理方法功能完备，但是描述逻辑概念抽象，规则复杂、可理解性偏低，学习曲线偏高；

基于人工规则的推理具有启发性，利用专业知识和经验对问题作出多个假设，依据已知条件使推理继续进行，高度灵活性，知识库与推理机制分离，增强系统灵活性，方便知识库更新维护，推理过程透明可解析；但是规则之间的关系不透明，难以观察单条规则对整个推理过程所起到的作用，同时推理引擎在每个推理周期均遍历系统内所有规则，搜索效率偏低。

基于概率逻辑推理推理方法把事件关系用概率形态进行描述，借助统计学经典概率算法实施推理，适用于网状结构关系动态推理。但是在现实生活中往往不易或者根本无法获得事件之间真实的概率关系，并且有些事件关系无法用概率表示。

基于表示学习和神经网络的推理方法，首先完成推理系统涉及的实体信息向量化，利用神经网络完成推理。但是神经网络的计算过程可解释性偏低，同时实体信息向量化需要大量文本进行训练，文本的数量、文本的覆盖程度、文本代表性以及标签规范化程度，都会导致向量化质量的下降。另外在实际中大量的专业性数据集往往不可用甚至不可得。

专利《推理机》（申请公开号：1902647A）公开了一种推理机设计方法。通过本体和描述性规则体系的辅助来回答有关预定数据的问题，本体用于数据结构化，描述性规则体系产生另外的知识。在查询评估期间，有关评估期间出现的规则的实例化的推理协议被读入与推理单元结合的评估单元。在评估单元中根据推理协议生成有关规则评估的说明。回答的逻辑推导是透明的，系统可回答技术问题并可以进行和解释技术思考。该专利采用了描述逻辑方法，该方法功能完备，但是描述逻辑概念抽象，规则复杂、可理解性偏低，学习曲线偏高，适用于复杂庞大推理系统的构建。和本专利提出的基于结构化推理方法有本质的区别。