[发明专利]基于图神经网络的语义召回方法、装置、设备及介质

说明书

本发明用于人工智能领域，涉及区块链领域，公开了一种基于图神经网络的语义召回方法、装置、设备及介质，其中，方法部分包括：获取用户通过终端设备发送的用户问题，根据用户问题的目标关键词获取多个标准问题，将用户问题、目标关键词和多个标准问题，以图的形式构建为以用户问题为中心的第一网络图，并获取以标准问题为中心的第二网络图，根据第一网络图和第二网络图确定每个标准问题与用户问题的目标相似度，将最大的目标相似度指向的标准问题，作为与用户问题对应的标准问题，以根据与用户问题对应的标准问题召回用户问题的答案；本发明中，有效地对问题进行信息补充，从而提高了对用户问题的匹配准确性，进而提高了召回问题答案的准确性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于图神经网络的语义召回方法、装置、设备及介质。

背景技术

问答系统是信息检索系统的一种高级形式，能够理解人类的自然语言并能够通过准确、简洁的自然语言回答用户的问题，是人工智能重要的应用方向。当用户用自然语言提出的问题时，问答系统通过度语义召回模型识别用户的问题，并召回与用户问题匹配的与标准问题，进而根据标准问题向用户件回复对应的答案。

传统的深度语义召回模型普遍采用问题对的形式构造训练数据，并基于孪生网络的方式搭建模型而得到语句间的相似度。在构建训练数据时，会将问答记录和人工问题库中提取出的原始问题数据打散，然后构建成问题A-问题B的问题对，这个过程会损失各问题间存在的结构联系，例如，人工构建的问题库中，各问题之间以标准问题对应多个相似问题的形式存在，在将标准问题和对应的多个相似问题打散后，损失了标准问题和多个相似问题之间的结构联系。这会使得深度语义召回模型在后续进行语义召回时，只单纯的考虑两个输入问题间的语义相似度，损失了各问题间构建的结构关系，导致系统对问题答案的召回效果不佳。

发明内容

本发明提供一种基于图神经网络的语义召回方法、装置、设备及介质，以解决现有深度语义召回模型中，仅考虑两个输入问题间的语义相似度，导致对问题答案的召回效果不佳的问题。

一种基于图神经网络的语义召回方法，包括：

获取用户通过终端设备发送的用户问题，并根据所述用户问题的目标关键词获取多个标准问题，所述标准问题为预先构建的用户问题模板；

将所述用户问题、所述目标关键词和所述多个标准问题，以图的形式构建为以所述用户问题为中心的第一网络图，所述第一网络图中的所述用户问题通过所述目标关键词与各所述标准问题建立连接关系；

获取以所述标准问题为中心的第二网络图，所述第二网络图由所述标准问题与所述标准问题的邻居信息以图的形式构建，所述邻居信息包括一阶邻居信息和二阶邻居信息，所述一阶邻居信息为直接与所述标准问题建立连接关系的所述标准问题的关键词和相似问题，所述二阶邻居信息通过所述一阶邻居信息与所述标准问题建立连接关系，所述标准问题的相似问题为预先根据所述标准问题构建的与所述标准问题语义相似的问题；

根据所述第一网络图和所述第二网络图确定每个所述标准问题与所述用户问题的目标相似度；

将最大的目标相似度指向的标准问题，作为与所述用户问题对应的标准问题，以根据与所述用户问题对应的标准问题召回所述用户问题的答案。

一种基于图神经网络的语义召回装置，包括：

第一获取模块，用于获取用户通过终端设备发送的用户问题，并根据所述用户问题的目标关键词获取多个标准问题，所述标准问题为预先构建的用户问题模板；

构建模块，用于将所述用户问题、所述目标关键词和所述多个标准问题，以图的形式构建为以所述用户问题为中心的第一网络图，所述第一网络图中的所述用户问题通过所述目标关键词与各所述标准问题建立连接关系；