[發明專利]基于深度學習的通用知識圖譜增強問答交互系統及方法

有效

• 申請號: 201810196192.6
• 申請日: 2018-03-09
• 公開（公告）號: CN108509519B
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 宋美娜;鄂海紅;張崇宇
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/30;G06N5/02;G06N20/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張潤

1.一種基于深度學習的通用知識圖譜增強問答交互系統，其特征在于，包括：

擴展知識圖譜混合問答模塊，用于根據記憶網絡處理互聯網數據庫中的文本信息和事實信息得到擴展知識圖譜；

知識庫問題生成模塊，用于對所述擴展知識圖譜進行處理，以分別生成不同問題對應的答案，使得生成多個問題-答案對；

web交互界面，用于獲取用戶問題；

知識圖譜問答模塊，用于對所述用戶問題進行分析，以獲取所述用戶問題對應的答案的類型，并通過神經網絡的語義組合得到所述用戶問題對應的數值向量；

知識深度推理模塊，用于對所述問題對應的答案的類型和所述問題對應的數值向量進行知識檢索與推理，并根據檢索與推理的結果與所述多個問題-答案對得到所述用戶問題的目標答案；

其中，從所述用戶問題中提取實體，并以對應的實體向量為中心的質量點分布相關聯；根據長短期記憶網絡LSTM對所述用戶問題編碼以得到具有相同長度的輸出矢量序列，對每個實體取平均的注意力加權的輸出向量以預測與實體相關的關系的權重；對于每個實體，通過對相應的質量點與加權的關系的高斯表示進行卷積形成高斯注意力，通過高斯注意力和歸一化確定得分函數，根據得分函數確定目標答案。

2.根據權利要求1所述的基于深度學習的通用知識圖譜增強問答交互系統，其特征在于，所述知識圖譜問答模塊還用于將用戶的自然語言問題轉換為一個低維空間中的數值向量，并將知識庫中的實體、概念、類別以及所述實體、概念、類別之間的關系轉換為同一語義空間的數值向量。

3.根據權利要求2所述的基于深度學習的通用知識圖譜增強問答交互系統，其特征在于，所述知識圖譜問答模塊進一步用于將知識庫中的語義單元轉換為語義空間中的數值向量，并針對用戶的問句，通過深度學習學習問句的語義表示，且通過學習到的問句和知識庫的語義表示，學習知識庫語義表示和問句語義表示之間的關聯，并學習所述知識庫語義表示和問句語義表示之間的映射關系。

4.根據權利要求1所述的基于深度學習的通用知識圖譜增強問答交互系統，其特征在于，所述知識庫問題生成模塊還用于提取存儲在知識圖譜中的三元組中表達的實體和關系中一組關鍵字，并通過所述關鍵字生成一個自然語言問題，以及通過卷積神經網絡RNN對模型對關鍵字的子集進行排序，以產生一個自然語言的問題。

5.根據權利要求1所述的基于深度學習的通用知識圖譜增強問答交互系統，其特征在于，所述web交互界面還用于顯示所述用戶問題的答案。

6.根據權利要求1所述的基于深度學習的通用知識圖譜增強問答交互系統，其特征在于，還包括：

領域適配通用接口模塊，用于提供接口開放服務。

7.一種基于深度學習的通用知識圖譜增強問答交互方法，其特征在于，包括以下步驟：

根據記憶網絡處理互聯網數據庫中的文本信息和事實信息得到擴展知識圖譜；

對所述擴展知識圖譜進行處理，以分別生成不同問題對應的答案，使得生成多個問題-答案對；

獲取用戶問題；

對所述用戶問題進行分析，以獲取所述用戶問題對應的答案的類型，并通過神經網絡的語義組合得到所述用戶問題對應的數值向量；

對所述用戶問題對應的答案的類型和所述問題對應的數值向量進行知識檢索與推理，并根據檢索與推理的結果與所述多個問題-答案對得到所述用戶問題的目標答案；

其中，從所述用戶問題中提取實體，并以對應的實體向量為中心的質量點分布相關聯；根據LSTM對所述用戶問題編碼以得到具有相同長度的輸出矢量序列，對每個實體取平均的注意力加權的輸出向量以預測與實體相關的關系的權重；對于每個實體，通過對相應的質量點與加權的關系的高斯表示進行卷積形成高斯注意力，通過高斯注意力和歸一化確定得分函數，根據得分函數確定目標答案。