[发明专利]基于关系预测的知识图谱智能问答方法

说明书

本发明涉及一种基于关系预测的知识图谱智能问答方法，属于自然语言处理领域。该方法包括步骤：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；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。本发明能找到“问句实体‑‑知识图实体”的对应关系，以及“问句自然语言描述——知识图语义关系”的对应关系。

技术领域

本发明属于自然语言处理领域，涉及基于关系预测的知识图谱智能问答方法。

背景技术

传统搜索引擎的基于关键词的搜索方式，缺乏对自然语言的语义分析和语义理解，已经越来越难以满足人们的需求。对使用者而言，符合人类自然语言表达的交互方式才是最佳的，当问答系统表现出足够的智能时，就可以满足使用者对这种交互方式的需求。Google在2012年提出知识图谱(Knowledge Graphs，KGs)的概念，进一步将问答系统向智能化的方向推动。随着知识图谱技术的发展，智能问答系统展现出了新的发展前景。社交类网站的兴起为智能问答系统的研究提供了大量不同领域的真实问答语料，给机器从数据层面理解自然语言问句提供了极大的方便。而如Freebase、DBpedia等大规模知识图谱的蓬勃发展，则为智能问答系统提供了高质量结构化知识来源。基于知识图谱的智能问答领域，是现阶段问答领域研究中的重要方向。其在人工智能时代具有远大的应用前景，也为移动互联网和人类社会信息入口提供了技术和理论上的支持。

发明内容

有鉴于此，本发明的目的在于提供一种基于关系预测的知识图谱智能问答方法，通过构建一种基于注意力的图嵌入方法来推断KGs中隐藏的关系，从而补全KGs中缺失的关系，提高基于知识图谱的问答系统(Question Answering over Knowledge Graphs,KGs-QA)的准确性。

为达到上述目的，本发明提供如下技术方案：

基于关系预测的知识图谱智能问答方法，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；

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。

可选的，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。