[发明专利]基于知识图谱和事件图谱的汽车智能问答方法及设备

说明书

本申请提供一种基于知识图谱和事件图谱的汽车智能问答方法及设备。该方法应用于汽车智能问答系统，汽车智能问答系统包括知识图谱和事件图谱，知识图谱中包括与汽车实体及实体关系相关的静态知识体系，事件图谱中包括与汽车事件及事件关系相关的动态知识体系；通过响应于自然语言查询问句，确定自然语言查询问句中的实体词和谓词，并确定自然语言查询问句所属的问题类别、以及问题类别对应的图谱类别，问题类别为八何分析法问题体系中的一个；根据问题类别、实体词以及谓词，生成SPARQL查询语句；再在与问题类别对应的图谱类别中查找SPARQL问题结果；再将SPARQL问题结果转换为自然语言答案信息输出。提高了汽车智能问答系统的问答效率和准确率。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于知识图谱和事件图谱的汽车智能问答方法及设备。

背景技术

随着科技的进步，人工智能也在推动汽车向更加智能化的方向发展。其中，作为汽车智能化核心技术的车载智能问答系统，可以为用户提供更好的服务和体验，成为目前汽车行业的重点研究之一。

现有技术中，常用的车载智能问答系统中预先存储有一系列问题答案对，当用户提问时，车载智能问答系统通过匹配用户的提问和预先存储的问题，找到与存储问题对应的答案，以返回给用户回答问题。由于问题答案对的生成没有一个系统的参考方法，因此，在拓问题答案对时，只能依赖开发人员的主观判断来进行，容易出现问题答案对重复或交叠的情况，不仅占用存储资源，而且在利用车载智能问答系统查询问题时，也容易出现同一问题不同答案或不同问题相同答案的情况，导致问答效率和问答准确率都不高。

因此，需要一种能够提升汽车智能问答效率和准确率，也便于开发人员拓展新问题的方法，来解决上述问题。

发明内容

本申请提供一种基于知识图谱和事件图谱的汽车智能问答方法及设备，用以解决现有汽车智能问答系统问答效率和准确率不高的问题。

第一方面，本申请提供一种基于知识图谱和事件图谱的汽车智能问答方法，所述方法应用于汽车智能问答系统，所述汽车智能问答系统包括知识图谱和事件图谱，所述知识图谱中包括与汽车实体及实体关系相关的静态知识体系，所述事件图谱中包括与汽车事件及事件关系相关的动态知识体系；所述方法包括：

响应于自然语言查询问句，确定所述自然语言查询问句中的实体词和谓词，并确定所述自然语言查询问句所属的问题类别、以及所述问题类别对应的图谱类别，其中，所述问题类别为八何分析法问题体系中的一个，所述图谱类别为知识图谱或事件图谱；

根据所述问题类别、所述实体词以及所述谓词，生成SPARQL查询语句；

基于所述SPARQL查询语句，在与所述问题类别对应的图谱类别中查找SPARQL问题结果；

将所述SPARQL问题结果转换为自然语言答案信息，并输出所述自然语言答案信息。

可选地，所述确定所述自然语言查询问句的实体词和谓词，包括：

将所述自然语言查询问句加载到依存句法分析器中，所述依存句法分析器对所述自然语言查询问句进行实体词判断和谓词判断，以确定所述自然语言查询问句的实体词和谓词。

可选地，所述确定所述自然语言查询问句所属的问题类别、以及所述问题类别对应的图谱类别，包括：

通过预先训练好的贝叶斯分类模型，确定所述自然语言查询问句所属的问题类别，所述问题类别为八何分析法问题体系中的一个；

根据对所述问题类别的分类，确定与所述问题类别对应的图谱类别为知识图谱或事件图谱。

可选地，所述根据所述问题类别、所述实体词以及所述谓词，生成SPARQL查询语句，包括：