[发明专利]问题选择方法、知识图谱构建方法、装置及电子设备

权利要求书

1.一种问题选择方法，其特征在于，包括：

获取预先建立的问题知识图谱，所述问题知识图谱包括问题集和所述问题集中任意两个问题的语义相似度，其中，所述问题集中的问题表征所述问题知识图谱中的问题节点，任意两个问题的语义相似度表征对应的两个问题节点的连接关系；

从所述问题知识图谱中确定第一问题；

从所述问题知识图谱中确定与所述第一问题的语义相似度相关的目标问题；

输出所述第一问题和所述目标问题。

2.根据权利要求1所述的方法，其特征在于，从所述问题知识图谱中确定与所述第一问题的语义相似度相关的目标问题，包括：

从所述问题知识图谱中确定与所述第一问题的语义相似度大于预设阈值的目标问题。

3.根据权利要求1所述的方法，其特征在于，从所述问题知识图谱中确定与所述第一问题的语义相似度相关的目标问题，包括：

从所述问题知识图谱中确定与所述第一问题的语义相似度大于第一预设阈值的第二问题，并从所述问题知识图谱中将所述第一问题删除，得到第二问题知识图谱；

从所述第二问题知识图谱中确定与所述第二问题的语义相似度大于第二预设阈值的第三问题，并从所述第二问题知识图谱中将所述第二问题删除，得到第三问题知识图谱，直至满足预设停止条件；所述目标问题包括所述第二问题、所述第三问题。

4.根据权利要求1所述的方法，其特征在于，所述获取预先建立的问题知识图谱，包括：

获取问题集，所述问题集中包括至少两个问题；

基于预先训练好的BERT模型，得到所述问题集中每个问题的知识图谱向量；

基于所述每个问题的知识图谱向量，得到所述问题集中任意两个问题的语义相似度；

基于所述问题集以及所述问题集中任意两个问题的语义相似度，构建所述问题知识图谱。

5.根据权利要求4所述的方法，其特征在于，所述基于预先训练好的BERT模型，得到所述问题集中每个问题的知识图谱向量，包括：

获取所述问题集中每一个问题包括的所有实体；

针对每一个问题，基于所述预先训练好的BERT模型和该问题中包括的所有实体，得到该问题中每个实体的语义向量；

基于该问题中所有实体的语义向量和预设规则，得到该问题的知识图谱向量。

6.根据权利要求4所述的方法，其特征在于，训练所述BERT模型的过程，包括：

获取训练问题集，所述训练问题集中的每一个问题的实体均标注有真实命名实体标签；

将所述训练问题集输入BERT预训练模型，得到所述训练问题集中每个问题包括的字的训练语义向量；

将得到的所述训练语义向量输入分类模型，得到每个实体的预测命名实体标签；

基于所述真实命名实体标签、所述预测命名实体标签和反向传播算法，更新所述BERT预训练模型和所述分类模型的参数，直至满足预设条件，得到训练好的BERT模型。

7.根据权利要求5所述的方法，其特征在于，获取所述问题集中每一个问题包括的实体，包括：

将所述问题集输入所述BERT模型，得到所述问题集中每个问题包括的所有字的语义向量；

将得到的所述语义向量输入训练好的分类模型，得到每个问题中包括的实体的命名实体标签；

根据每个问题中包括的实体的命名实体标签，得到该问题包括的实体。

8.一种知识图谱构建方法，其特征在于，包括：

获取问题集，所述问题集中包括至少两个问题；

基于预先训练好的BERT模型，得到所述问题集中每个问题的知识图谱向量；

基于所述每个问题的知识图谱向量，得到所述问题集中任意两个问题的语义相似度；

基于所述问题集以及所述问题集中任意两个问题的语义相似度，构建问题知识图谱，所述问题集中的问题表征所述问题知识图谱中的问题节点，任意两个问题的语义相似度表征对应的两个问题节点的连接关系。