[发明专利]基于实体关系消歧的知识图谱问答方法、系统以及终端

说明书

本发明涉及信息技术领域，涉及一种基于实体关系消歧的知识图谱问答方法、系统以及终端；所述方法包括获取用户终端输入的问句文本，识别出所述问句文本中的实体提及词、属性提及词和特定关系；将实体提及词和属性提及词链接到预先构建的知识图谱中，并根据所链接到的每个实体的二度关系子图建立出语义超图；利用从所述语义超图中包含出的每个实体的多粒度上下文特征，使用极端梯度提升算法进行二分类线性回归对实体和关系进行联合消歧；本发明通过一度关系子树和二度关系子树的评价得分，本发明避免的问句中隐式表达的信息被遗漏的问题。通过多粒度特征大大提升了实体和关系的消岐能力，大大提高了系统回答问题的准确率。

技术领域

本发明涉及信息技术领域，特别是自然语言处理子领域，具体涉及一种基于语义超图联合消岐与评价的知识库问答方法、装置及终端。

背景技术

随着互联网的飞速发展，各种知识日渐丰富甚至呈爆炸式增长；而知识图谱则能够很好的存储海量的知识，是人工智能领域中的一个重要方向，而如何利用好知识图谱来满足人们对于知识获取的需求也越来越需要被重视。所以能够通过自然语言问句去查询知识图谱获得问题的答案变得十分重要。知识库问答的目的是为人们提供有力的知识获取工具。而自然语言问句不能被计算机直接利用，所以需要先对问句进行问句理解，目前问句理解的方法包含语义解析、信息抽取以及向量建模等不同的方式。

但目前多数的问答系统主要针对单一的、孤立的、事实性的问题，在答案的精准度以及问题的复杂度上受限于现有的计算模型复杂性和知识库完善程度，虽然许多研究机构和企业在开展智能问答研究，但其技术水平还有待进一步提高，且多数问答系统如果涉及到语义理解、复杂逻辑推理以及篇章层面语言分析等问题，一般也无法做出满意的回答。

中国专利CN 110334272 A提出的基于知识图谱的智能问答方法、装置及计算机可读存储介质使用知识图谱对文本数据中的信息进行筛选，从而可以直接对其中的知识进行处理，且相似度是通过词频、逆向频率值和欧式距离计算而出，故而可以更直观的表现出问题之间的相似度。该专利可以实现精准的基于知识图谱的智能问答功能。

但在知识图谱中，相同名称的实体可能有多个，仅仅通过问题中的语义理解将很难明确用户究竟想询问的是哪一个具体的实体；而中国专利CN 110580284 A提出了一种实体消歧方法、装置、计算机设备及存储介质，该方案通过植入于知识图谱问答对话系统之中，不断地根据用户使用来更新其用户画像子树，以有效挖掘用户的关注点和喜好，并根据用户画像子树与用户目标问题中涉及的实体子树之间的距离来精简消歧过程，当判断用户本次目标问题所涉及的实体子树与用户画像子树之间的距离小于预设长度，则选取所述实体子树中层级最低且与所述用户画像子树距离最近的实体，作为用户本次目标问题的回答实体，从而有效利用所挖掘用户的关注点和喜好进行实体消歧，避免了用户多次重复输入已提供信息的情况，降低了问答对话系统交互轮数，提升了用户在使用问答系统时的便捷性。

但是，现有的实体消岐方法大多利用提及词和实体本身的信息进行消岐，而忽略了利用知识图谱和问句所带有的信息。而查询关系消岐方面，现有的技术是通过人工设计的模板和规则把所有的可能结果都生成出来然后再评价排序，导致效率较低。

发明内容

基于现有技术存在的问题，本发明针对实体消歧方法进行了改进，其能够充分的利用问句信息和知识图谱的信息，对问句进行更充分的理解，信息抽取方法带入的大量有歧义的信息，能够利用多粒度上下文特征进行消岐，提升本发明的精度，得到更加准确的结果。

本发明所采用的技术方案包括：

在本发明的第一方面，一种基于实体关系消歧的知识图谱问答方法，包括以下步骤：

S1、获取用户终端输入的问句文本，识别出所述问句文本中的实体提及词、属性提及词和特定关系，并抽取出候选实体；

S2、将实体提及词和属性提及词链接到预先构建的知识图谱中，并根据链接到知识图谱中的候选实体的二度关系子图建立出语义超图；