[发明专利]基于知识图谱的问答方法、装置、计算机设备和存储介质

说明书

本申请涉及一种基于知识图谱的问答方法、装置、计算机设备和存储介质。所述基于知识图谱的问答方法包括：获取用户问句；根据所述用户问句和深度学习模型，获取所述用户问句中的提及；根据所述提及、所述深度学习模型和预设的知识图谱，获取所述提及在所述知识图谱中对应的目标实体；所述目标实体包括目标关系，所述目标关系为所述用户问句中所述提及对应的关系；根据所述目标实体，在所述知识图谱中查询所述用户问句对应的答案，并反馈所述答案。采用本方法能够降低模型参数量，降低问答方法对计算资源的占用，有利于基于知识图谱的问答方法的实际应用。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种基于知识图谱的问答方法、装置、计算机设备和存储介质。

背景技术

知识图谱(Knowledge Graph)，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，基于知识图谱的百科问答(Encyclopedia Question Answering)在自然语言处理和知识库领域获得了广泛的关注。传统的基于知识图谱的问答方法，将命名实体识别、关系预测等过程划分为独立的任务。其中，命名实体识别是指从用户问句中识别出提及(Mention)；关系预测是指预测用户问句中表达的关系，以便于从知识图谱中筛选该提及对应的目标实体；例如，用户问句为“姚明出生在哪里啊？”，则该用户问句中的提及为“姚明”、该用户问句中的关系为出生地。

但是，上述传统问答方法的模型参数过大，占用计算机设备的内存较多，不利于问答方法的实际应用。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提升基于知识图谱的问答方法的部署性能以及应用性能的基于知识图谱的问答方法、装置、计算机设备和存储介质。

第一方面，本申请实施例提供了一种基于知识图谱的问答方法，所述基于知识图谱的问答方法包括：

获取用户问句；

根据所述用户问句和深度学习模型，获取所述用户问句中的提及；

根据所述提及、所述深度学习模型和预设的知识图谱，获取所述提及在所述知识图谱中对应的目标实体；所述目标实体包括目标关系，所述目标关系为所述用户问句中所述提及对应的关系；

根据所述目标实体，在所述知识图谱中查询所述用户问句对应的答案，并反馈所述答案。

在其中一个实施例中，所述根据所述提及、所述深度学习模型和预设的知识图谱，获取所述提及在所述知识图谱中对应的目标实体，包括：

根据所述提及、所述深度学习模型和所述知识图谱，获取所述提及对应的多个候选实体；各所述候选实体均包括所述目标关系；

根据所述深度学习模型，从所述多个候选实体中确定所述目标实体。

在其中一个实施例中，所述根据所述提及、所述深度学习模型和所述知识图谱，获取所述提及对应的多个候选实体，包括：

在预置的提及实体映射表中查找出所述提及对应的多个实体；所述提及实体映射表包括多个提及以及与各所述提及分别对应的多个实体；

在所述知识图谱中查找出各所述实体分别对应的关系，得到多个关系；

根据所述用户问句、所述多个关系和所述深度学习模型，从所述多个关系中确定目标关系；

将所述提及对应的多个实体中、包括所述目标关系的实体确定为所述候选实体。

在其中一个实施例中，所述根据所述用户问句、所述多个关系和所述深度学习模型，从所述多个关系中确定目标关系，包括：