[发明专利]一种知识图谱问答方法及装置

说明书

本申请提供一种知识图谱问答方法及装置，该方法包括：接收问题语句，并识别问题语句的实体提及和问题模式；在预设的知识图谱中检索与实体提及相关的主语实体作为候选实体；获取知识图谱中候选实体的谓语关系，并计算问题模式与候选实体的谓语关系间的语义相似度；将知识图谱中，语义相似度最大的候选实体和谓语关系所对应的宾语实体作为问题语句的答案。本申请能够对问题语句的问题模式和知识图谱的谓语关系进行语义的联合分析，从而识别出知识图谱中语义最相关的宾语实体作为答案，从而提高问答结果的准确率。

技术领域

本发明涉及人工智能技术领域，更具体地说，涉及一种知识图谱问答方法及装置。

背景技术

近年来，随着知识图谱的发展，人们正在探索如何获取知识图谱中的有效知识。虽然诸如SPARQL、GraphQL等查询语言被设计用于知识图谱的检索，但由于查询语言的语法细节无法被终端用户所理解，因此基于知识图谱的问答系统应运而生，即当用户提出自然语言形式的问题时，该系统会通过检索知识图谱给出答案。

针对单关系事实型问题，即给出一个自然语言形式的问题，仅需要知识图谱中的一个三元组主语实体，谓语关系，宾语实体便可以回答该问题，例如对于问题“苹果公司的创始人是谁？”，就可以通过知识图谱中的三元组“苹果公司，创始人，乔布斯”进行回答。目前，处理单关系事实型问题的方法主要是端到端的神经网络方法，但该方法仅仅考虑了主语实体在字面上是否相同，而没有考虑语义上是否相关，因此如果知识图谱中出现多个重名的主语实体，则无法准确区分，导致问答结果准确率很低。

发明内容

有鉴于此，为解决上述问题，本发明提供知识图谱问答方法及装置，技术方案如下：

一种知识图谱问答方法，所述方法包括：

接收问题语句，并识别问题语句的实体提及和问题模式；

在预设的知识图谱中检索与所述实体提及相关的主语实体作为候选实体；

获取所述知识图谱中所述候选实体的谓语关系，并计算所述问题模式与所述候选实体的谓语关系间的语义相似度；

将所述知识图谱中，语义相似度最大的候选实体和谓语关系所对应的宾语实体作为所述问题语句的答案。

优选的，所述在预设的知识图谱中检索与所述实体提及相关的主语实体作为候选实体，包括：

建立所述知识图谱中主语实体与所述主语实体的n-gram集合的反向映射索引，所述主语实体的n-gram集合中包含所述主语实体的所有组合方式；

生成所述实体提及的n-gram集合，所述实体提及的n-gram集合包含所述实体提及的所有组合方式；

采用启发式算法匹配所述实体提及的n-gram集合与所述主语实体的n-gram集合，基于所述反向映射索引将匹配到的主语实体作为候选实体。

优选的，所述在预设的知识图谱中检索与所述实体提及相关的主语实体作为候选实体，还包括：

调用已训练的多标签分类模型，所述多标签分类模型是预先通过第一问题模式样本、以及为所述第一问题模式样本所标注的主题标签训练得到的；

将所述问题模式输入至所述多标签分类模型中，通过所述多标签分类模型获得所述问题模式所属主题的第一概率；

确定所述候选实体的主题，并从所述第一概率中获取所述问题模式属于所述候选实体的主题的第二概率；

计算所述候选实体与所述问题提及的编辑距离，并基于所述编辑距离和所述第二概率中的最大概率确定所述候选实体的评分；

筛选所述候选实体中评分符合预设排名的实体。

优选的，所述多标签分类模型的训练过程，包括：