[发明专利]一种基于语义框架的互动知识学习方法

权利要求书

1.一种基于语义框架的互动知识学习方法,其特征在于，包括如下步骤：

步骤1：增加好奇心模型，根据知识框架和用户需求，动态的产生好奇心，系统根据好奇心驱动不同的方法，从非结构化的文档和用户交互过程中抽取知识；

步骤2：根据解答问题的能力和可信度，按照不同知识领域，为每个渠道和用户维护一个可信度值，并为生成的知识累计不同渠道的置信度；

步骤3：重新设计语义网络存储结构，按照置信度对知识存储空间进行划分；

步骤4：构建统计认知模块；

步骤5：根据知识的过筛情况，将结果反馈到不同渠道和用户，并调整其对应领域的可信度的值，形成一个动态的知识构建闭环；

步骤6：各渠道或用户的可信度在下一次知识构建过程中体现到知识的置信度上。

2.根据权利要求1所述的基于语义框架的互动知识学习方法,其特征在于，所述步骤1包括如下具体步骤：

步骤1.1：根据不同领域，构建不同的schema，在这个框架下，允许不完整的知识出现，同时，对缺漏部分产生好奇心；

步骤1.2：使用自然语言生成模块，将好奇心转换为自然语言描述的问题；

步骤1.3：根据自然语言描述的问题，利用外部搜索引擎，以及在和人的交互中进行查询和询问，并将结果进行和好奇心问题配对，生成语义完整的知识。

3.根据权利要求2所述的基于语义框架的互动知识学习方法,其特征在于，所述步骤2根据解答问题的能力和可信度，按照不同知识领域，为每个渠道和用户维护一个可信度值，并为生成的知识累计不同渠道的置信度；统计认知对不同渠道或用户提供的知识的置信度进行累计，包括正向和矛盾、否定的知识，当知识的置信度超过设定阈值时，非正式知识转换为正式知识；同时，对于提供和正式知识一致的渠道和用户在该领域的可信度提高；对于提供矛盾和否定知识的渠道和用户在该领域的可信度降低。

4.根据权利要求3所述的基于语义框架的互动知识学习方法,其特征在于，所述步骤3：重新设计语义网络存储结构，按照置信度对知识存储空间进行划分，从非结构化中抽取的知识可能存在错误或者理解上的偏差，将置信度较低的知识存放在单独的渠道空间中，避免和正式的知识混淆。

5.根据权利要求4所述的基于语义框架的互动知识学习方法,其特征在于，所述步骤4构建统计认知模块的步骤为：统计认知模块捕获从非结构化文档中抽取的知识，按照不同的置信度，对每一种陈述进行矛盾、冲突检查，并累计置信度，达到一定的阈值后过筛，形成正式知识；当置信度低于设定阈值时，退出正式知识空间，进而对知识纠正。

6.根据权利要求5所述的基于语义框架的互动知识学习方法,其特征在于，所述步骤5：根据知识的过筛情况，将结果反馈到不同渠道和用户，并调整其对应领域的可信度的值，形成一个动态的知识构建闭环：如渠道或用户提供的信息构成了正式知识，则提升该渠道或用户在该领域中的可信度；如果提供了虚假知识或不合理知识，则降低该渠道或用户在该领域中的可信度；对于一个渠道和用户，赋予其某个领域可信度初值P_init，对于领域D内的问题，回答正确次数为N_right，错误次数为N_wrong，则其可信度计算公式为：

f(N_right,N_wrong)＝P_init+0.1N_right–0.02N_wrong

某个渠道在领域D内的可信度公式如下：

7.根据权利要求6所述的基于语义框架的互动知识学习方法,其特征在于，所述步骤6对知识k∈D,提供该知识的用户U₁、U₂、…、U_N具体置信度计算公式如下：