[发明专利]基于关系预测的知识图谱智能问答方法

权利要求书

1.基于关系预测的知识图谱智能问答方法，其特征在于：该方法包括以下步骤：

S1：输入问题Q，对问题进行预处理；

S2：利用实体识别技术识别问题中的实体e_question，并将实体e_question映射到KGs中对应的实体e_KGs；

S3：查询KGs中实体e_KGs的类别c，用类别c替换问题Q中的实体e_question，标记为Q_c；

S4：从Q_c中映射出关系r；

S5：在KGs中，如果实体e_KGs和关系r之间缺少联系，则进入S6；

S6：学习中心实体e_KGs的新的向量表示；

S7：基于已有的相关三元组推断KGs中隐藏的关系；

S8：基于实体和关系的知识图推理，获得答案A；

所述步骤S3具体为：利用潜在狄利克雷主题模型来概念化问句中的实体，以便于对实体的理解，增加其可解释性；

通过结合主题模型潜在狄利克雷分配和一个大规模概率KGs，捕获单词之间的语义关系，开发一个基于语料库的上下文相关概念化框架；

所述步骤S6具体为：为解决不能获取隐藏在三元组周围的领域中信息的问题，优化向量学习模型，提出基于注意力的特征嵌入方法，该方法捕获任意给定实体的邻域内的实体特征和关系特征；

在模型中封装关系集群和多跳关系；为得到一个中心实体的新的向量表示，通过线性变换来学习中心实体邻域内存在的每个相关事实集的特征向量；

所述步骤S7具体为：通过识别现有的相关事实三元组(h,r,t)推断最初隐藏的关系，其中，h代表头语义实体，r代表语义关系，t代表尾语义实体；即学习中心实体邻域内的多跳实体和多跳关系，在n-hop邻 域之间引入一条辅助边，实现关系预测任务。

2.根据权利要求1所述的基于关系预测的知识图谱智能问答方法，其特征在于：所述步骤S1具体为：通过HanLP与Stanford parser中的CRF句法分析器与最大熵依存句法分析器将文本划分为词或短语，并获取词性、词序、关键词和依存关系量化描述。