[发明专利]用于对话系统的基于人工智能的知识图谱生成方法、电子设备在审
申请号: | 202010579565.5 | 申请日: | 2020-06-23 |
公开(公告)号: | CN111723186A | 公开(公告)日: | 2020-09-29 |
发明(设计)人: | 周纯 | 申请(专利权)人: | 宁波富万信息科技有限公司 |
主分类号: | G06F16/332 | 分类号: | G06F16/332;G06F16/36;G06F40/30;G06F40/295;G06F40/242;G06N3/04 |
代理公司: | 北京卫智畅科专利代理事务所(普通合伙) 11557 | 代理人: | 陈佳 |
地址: | 315153 浙江省宁波市海曙区石碶*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 对话 系统 基于 人工智能 知识 图谱 生成 方法 电子设备 | ||
1.一种用于对话系统的基于人工智能的知识图谱生成方法,包括:
获取输入文本;
基于所述输入文本,确定实体特征集合;
基于所述输入文本,生成语义关系集合;
基于所述实体特征集合和所述语义关系集合,确定知识图谱;
存储并输出所述知识图谱。
2.根据权利要求1所述的方法,其中,所述方法还包括:
响应于确定所述知识图谱是用于对话系统的知识图谱,将所述知识图谱发送至支持显示的设备,控制所述设备显示所述知识图谱。
3.根据权利要求2所述的方法,其中,所述基于所述输入文本,确定实体特征集合,包括:
对所述输入文本进行分词切分,得到所述输入文本包括的实体集合;
对于所述实体集合中的每个实体,确定该实体的结构化特征,得到所述实体集合的结构化特征集合;
对于所述实体集合中的每个实体,确定该实体的非结构化特征,得到所述实体集合的非结构化特征集合;
合并所述结构化特征集合和所述非结构化特征集合,得到所述实体特征集合。
4.根据权利要求3所述的方法,其中,所述对于所述实体集合中的每个实体,确定该实体的结构化特征,包括:
确定该实体在所述输入文本中出现次数的独热向量;
确定该实体在所述输入文本中出现类型的独热向量;
串联所述出现次数的独热向量和所述出现类型的独热向量,得到该实体的结构化特征。
5.根据权利要求4所述的方法,其中,所述对于所述实体集合中的每个实体,确定该实体的非结构化特征,包括:
将该实体输入预先训练的第一神经网络;
将所述预先训练的第一神经网络的输出层的输出作为该实体的非结构化特征。
6.根据权利要求5所述的方法,其中,所述基于所述输入文本,生成语义关系集合,包括:
基于所述输入文本,生成文本特征;
将所述文本特征输入预先训练的第二神经网络,生成第一特征;
将所述文本特征输入预先训练的第三神经网络,生成第二特征;
融合所述第一特征和所述第二特征,生成第三特征;
将所述第三特征输入预先训练的分类器,利用下式生成分类结果矩阵:其中,F表示所述第三特征,M是与F形状相同的随机产生的二值向量,表示拼接处理,V表示权值矩阵,c为偏置值,s为分类结果矩阵,s是m×N维的矩阵,m为预先确定的语义关系的类别总数,N为所述实体集合中的实体数量,g()表示预先训练得到的选择函数,s中第i行第j列元素的值表示第j个实体所表征的语义关系属于第i类语义关系的概率,i∈[1,m],j∈[1,N];
将s中每一列中值最大元素的行所对应的语义关系确定为该实体的语义关系,得到输入文本的语义关系集合。
7.根据权利要求6所述的方法,其中,所述基于所述实体特征集合和所述语义关系集合,确定并输出知识图谱,包括:
将所述实体特征集合中的各个实体特征确定为所述知识图谱的节点,其中,所述知识图谱包括第一数目个节点;
基于所述语义关系集合中的各个语义关系,确定所述知识图谱的边,其中,所述知识图谱包括第二数目个边。
8.根据权利要求7所述的方法,其中,所述存储并输出所述知识图谱,包括:
将所述知识图谱切分为第三数目个数据块,生成知识图谱块集合;
利用下式确定编码矩阵:其中,k为所述知识图谱块集合中的知识图谱块数量,k为第三数目,δ为冗余位数值,δ可以是任何整数,t为容错值,t可以是任何整数,I为矩阵,I包括k行和k列,R为随机矩阵,R包括k+δ+t行和k列,R中的全部元素r随机按照概率值“0.5”独立选取“0”或“1”;
利用所述编码矩阵G去乘所述知识图谱块集合,得到加密后的知识图谱块集合;
存储所述加密后的知识图谱块集合。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于宁波富万信息科技有限公司,未经宁波富万信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010579565.5/1.html,转载请声明来源钻瓜专利网。