[发明专利]问答方法、问答装置、计算机设备及存储介质

说明书

本发明公开了问答方法、装置、计算机设备及存储介质，包括：获取用户的输入信息；识别输入信息中的命名实体，并将命名实体链接至中文知识图谱中与命名实体相对应的候选实体，形成实体对，其中实体对包括命名实体和候选实体；通过关系模型在中文知识图谱中匹配出候选实体的候选关系；根据实体对和候选关系，形成候选三元组，其中候选三元组包括命名实体、候选实体及候选关系；基于学习排序模型，获取各候选三元组相对应的排序结果；及根据排序结果，查询所述中文知识图谱，以获取输入信息的答案。该方法可以有效利用外部资源，通过文本挖掘可以提供大量的语境信息，并且基于学习排序模型，在问答语料数据较少时也可以获得较好的回答。

技术领域

本发明涉及计算机技术领域，尤其涉及一种问答方法、问答装置、计算机设备及存储介质。

背景技术

问答系统是信息检索系统的一种高级形式，它能用准确、简洁的自然语言回答用户用自然语言提出的问题。传统的问答系统分为问句处理和答案检索两大部分。其中，问句处理的基础是分词。答案检索多采用评分机制，即从海量文本数据中选取一系列候选答案，然后构建选择函数从候选答案中选取最接近的答案。而这种传统的问答装置因为在处理长文本名词和构建的选择函数的不同而出现不同程度的错误。

在这种情况下，基于知识图谱的问答系统应运而生。目前，基于知识图谱的问答系统主要的研究方向有三类。第一类：规则型，这一类型通过固定的规则来判定一个用户问句是否是在询问知识库中的某个事实。第二类：模板学习，这一类型收集大量模板，通过已经标注好对应的知识库事实，并通过大量数据学习一个自然语言问句对应某个模板的概率。第三类：基于深度学习的语义匹配，通过神经网络模型，学习一个问句与知识图谱中某个关系的语义相似度，其中问句已做过实体识别并将问句中实体用特殊符号代替。

规则型的知识库问答系统精确度很高，但是并不灵活，每一类问题都需要写一个规则，而模板学习和深度学习方法往往需要根据大规模问答语料进行学习，难以在开发初期就应用在一个问答数据匮乏的垂直领域。

发明内容

有鉴于此，本发明提出一种问答方法、问答装置、计算机设备及存储介质，能够在问答语料数据较少的情况下，得到一个准确的回答。

首先，为实现上述目的，本发明提出一种问答方法，该问答方法包括步骤：

获取用户的输入信息；

识别所述输入信息中的命名实体，并将所述命名实体链接至所述中文知识图谱中与所述命名实体相对应的候选实体，形成实体对，其中所述实体对包括所述命名实体和所述候选实体；

通过关系模型在所述中文知识图谱中匹配出所述候选实体的候选关系；

根据所述实体对和所述候选关系，形成候选三元组；其中所述候选三元组包括所述命名实体、所述候选实体及所述候选关系；

基于学习排序模型获取各所述候选三元组相对应的排序结果；及

根据所述排序结果查询所述中文知识图谱，以获取所述输入信息的答案。

进一步地，所述识别所述输入信息中的命名实体具体包括：

对所述输入信息进行标注，获取标注结果；及

根据所述标注结果，通过循环神经网络模型识别出所述输入信息中的命名实体。

进一步地，所述识别所述输入信息中的命名实体，并将所述命名实体链接至所述中文知识图谱中与所述命名实体相对应的候选实体，形成实体对的步骤包括：

计算各所述实体对中所述命名实体与所述候选实体之间的相似度，其中所述相似度是根据汉字字符相似度、拼音字符相似度、词向量相似度及实体受关注度得到的；

根据各所述相似度对各实体对排序，以获取各所述实体对对应的排列名次；及