[发明专利]基于知识图谱的生成式问题推荐方法、设备、介质及系统

说明书

本发明公开一种基于知识图谱的生成式问题推荐方法、设备、介质及系统，属于自然语言处理分析领域领域，包括步骤：S1，数据准备；S2，构建实体辅助Elasticsearch数据库；S3，基于Bert‑BILSTM‑CRF模型提取问题中实体；S4，基于NeZha+UniLM模型进行问题生成；S5，根据生成问题进行问题推荐。本发明解决推荐数据稀疏、关联性弱、多样性少的技术问题，可以提升用户问答体验，辅助获取更多隐藏信息，实现根据用户提问问题生成相关问题进行准确推荐。

技术领域

本发明涉及自然语言处理分析领域，更为具体的，涉及一种基于知识图谱的生成式问题推荐方法、设备、介质及系统。

背景技术

在文本语言处理分析中，用户积累了大量的结构化文本数据，为了更好的挖掘其中的关联关系，往往以知识图谱的形式对其进行存储，知识图谱将结构化文本通过网状形式进行关联，可以更加深刻的挖掘各个实体之间的关联关系，从而进行相关实体的多跳查询、知识推理。问答作为知识获取的方式之一，基于知识图谱的问答应用也愈加广发，在用户进行日常问答中，需要对用户提问问题进行分析，并做出个性化的相关问题推荐，如何提取用户问题关键信息并做出精确问题推荐，辅助用户获取更多关键信息、提升问答体验具有重要的研究意义。

目前传统的推荐系统基于用户历史行为，通过构建问题历史库以及问答对库，从中匹配和用户提问问题相似的问题进行推荐。在实际应用中，用户问题一般具有一定的泛化性，且数据库具有不完备性，该方法存在推荐数据稀疏、关联性弱、多样性少等问题，这样就导致推荐问题不准确，难以满足用户需求，实际推荐问题和用户提问问题相关性较弱。因此需要根据用户实际问题，建立精确、相关性强、多样性足的问题推荐系统。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于知识图谱的生成式问题推荐方法、设备、介质及系统，解决推荐数据稀疏、关联性弱、多样性少的技术问题，可以提升用户问答体验，辅助获取更多隐藏信息，实现根据用户提问问题生成相关问题进行准确推荐。

本发明的目的是通过以下方案实现的：

一种基于知识图谱的生成式问题推荐方法，包括以下步骤：

S1，数据准备；

S2，构建实体辅助Elasticsearch数据库；

S3，基于Bert-BILSTM-CRF模型提取问题中实体；

S4，基于NeZha+UniLM模型进行问题生成；

S5，根据生成问题进行问题推荐。

进一步地，在步骤S1中，包括子步骤：根据已有的知识图谱数据库，按需求构建实体识别模型以及问题生成模型所需训练语料。

进一步地，在步骤S2中，包括子步骤：以实体全称、简称、别名构建图谱实体的Elasticsearch数据库，基于Es检索获取问题中实体对应图谱库中实体全称，再去获取对应三元组。

进一步地，在步骤S3中，包括子步骤：针对用户提问问题，基于Bert-BILSTM-CRF模型进行命名实体识别，根据获取的问题实体进行Es检索，获取Elasticsearch数据库中对应实体全称，由对应实体全称至图谱数据库中进行相关三元组检索。

进一步地，在步骤S4中，包括子步骤：将三元组按顺序连接作为篇章，尾实体作为答案，即生成符合答案为尾实体的相关问题；在模型结构上，采用NeZha+UniLM模型；在模型输入上，对于单跳问题获取的三元组(entity1，relation，entity2)，将头实体、关系、尾实体(entity1+relation+entity2)顺序拼接作为篇章，尾实体(entity2)作为答案，其形式表示为：

[CLS]entity1 relation entity2[SEP]entity2[SEP]；