[发明专利]一种问句处理方法、装置、设备及可读存储介质

说明书

本申请公开了一种问句处理方法、装置、设备及可读存储介质。本申请在利用模板分类层、实体识别层、实体链接层、关系抽取层逐步处理目标问句之前，用同一个表达层对各个步骤的输入数据进行了转换，从而实现了表达层的共享。同时，由于各个层共享表达层，因此在问答系统的训练过程中，表达层涉及的模型参数会减少，占用的计算机内存也会减少，那么问答系统的训练性能和处理效率就会得到提升。在问答系统的训练过程中，各个层共享表达层，可以实现问答系统的全局最优，达到联合训练的目的。

技术领域

本申请涉及计算机技术领域，特别涉及一种问句处理方法、装置、设备及可读存储介质。

背景技术

近些年，随着数据资源结构化的程度不断提高，语义网(Semantic Web)和知识图谱(knowledge Graph)逐渐成为了一种有效的结构化信息的储存方式。然而，对大多数人来说，访问知识图谱的指令语言并不友好，因此，基于知识图谱的问答系统(Knowledge GraphQuestion Answering)在自然语言处理和知识图谱领域获得了广泛的关注。在需要推理的复杂问题场景中，对问答系统和知识图谱的服务性能提出了更高的要求。

目前，传统问答系统中的各个数据处理层都是独立训练获得，不同数据处理层的训练过程互不干扰，可独立达到最优。但正是因为各个数据处理层是独立训练获得的，从而导致问答系统不能达到全局最优。并且，在各个数据处理层独立训练的过程中，需要给每个数据处理层设置不同的表达层，这样来，表达层涉及的模型参数就会增多，导致占用了较多的计算机内存，降低了问答系统的性能和处理效率。

因此，如何使问答系统达到全局最优，提高其性能和处理效率，是本领域技术人员需要解决的问题。

发明内容

有鉴于此，本申请的目的在于提供一种问句处理方法、装置、设备及可读存储介质，以使问答系统达到全局最优，提高其性能和处理效率。其具体方案如下：

第一方面，本申请提供了一种问句处理方法，包括：

获取待处理的目标问句；

利用表达层将所述目标问句转换为第一向量后，利用模板分类层确定所述第一向量所属的结构类型，利用实体识别层从所述第一向量中提取实体片段；

针对每个实体片段，在图谱中查询当前实体片段对应的候选实体，将查询到的各个候选实体与所述目标问句分别拼接，获得多个链接数据，利用所述表达层将各个链接数据转换为第二向量后，利用实体链接层处理各个第二向量，获得当前实体片段的预测实体；

针对每个预测实体，在所述图谱中查询当前预测实体对应的候选关系，将查询到的各个候选关系与所述目标问句分别拼接，获得多个关系数据，利用所述表达层将各个关系数据转换为第三向量后，利用关系抽取层处理各个第三向量，获得当前预测实体的预测关系；

将各个实体片段和各个预测关系添加至所述结构类型对应的目标集合，利用所述目标集合在图数据库中搜索所述目标问句的答案，并返回搜索结果。

优选地，所述结构类型为单跳、多跳链式或多跳交集。

优选地，所述利用实体识别层从所述第一向量中提取实体片段，包括：

利用所述实体识别层包括的指针网络从所述第一向量中提取所述实体片段。

优选地，所述利用实体链接层处理各个第二向量，获得当前实体片段的预测实体，包括：

利用所述实体链接层计算各个第二向量的置信度，将最大置信度对应的第二向量包括的候选实体确定为当前实体片段的预测实体。

优选地，所述利用关系抽取层处理各个第三向量，获得当前预测实体的预测关系，包括：

利用所述关系抽取层计算各个第三向量的置信度，将最大置信度对应的第三向量包括的候选关系确定为当前预测实体的预测关系。