[發明專利]一種基于實體類型和語義相似度的知識圖譜問答方法及系統

在審

• 申請號: 201811570277.2
• 申請日: 2018-12-21
• 公開（公告）號: CN109657037A
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 王穎;王婷
• 申請（專利權）人: 焦點科技股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/332;G06F16/36
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 陳建和

1.一種基于實體類型和語義相似度的知識圖譜問答方法，其特征是，以構建好的領域知識圖譜為基礎，實現基于實體類型和文本相似度的語義映射，通過以下步驟：

步驟1：實體識別，構建好的領域知識圖譜包含不同類型實體，領域知識圖譜中的實體按實體類型分類，每一類別生成實體類詞表；

通過全遍歷的方式，即遍歷實體類詞表，識別輸入問題所包含的實體類型和實體，保存為實體類型和實體相對應的二元組，同時用實體類型替換輸入問題中的實體，將輸入問題模板化，生成問題模板；

步驟2：相似度計算；對上述替換后獲得的問題模板，根據實體類型和詞向量，計算實體類型和其與模板-邏輯數據集中給定模板的相似度值并排序，返回語義最相近的模板，在模板-邏輯數據集中查詢該模板的邏輯表達式，作為輸入問題的邏輯表達式；

步驟3：領域知識圖譜的查詢；將步驟1中識別出的實體類型、實體二元組鏈接到知識圖譜對應實體或實體屬性，將步驟2中獲得的邏輯表達式映射到知識圖譜中對應的實體關系，以此形成該輸入問題的語義三元組；根據語義三元組在知識圖譜上查詢信息，生成答案。

2.根據權利要求1中所述的基于實體類型和語義相似度的知識圖譜問答方法及系統，其特征是，

步驟1中：

步驟11，輸入領域內待回答問題；

步驟12，實體識別，將領域知識圖譜中的實體按實體類型分類，每一類別生成實體類詞表；遍歷實體類詞表，識別輸入問題中的實體；

步驟13，對識別出的實體對象，標記其實體類型，保存為(實體，實體類型)的二元組形式。

步驟14，對輸入問題的實體對象，用實體類型替換；

步驟15，實體替換實體類型后的輸入問題即為問題模板。

3.根據權利要求1中所述的基于實體類型和語義相似度的知識圖譜問答方法及系統，其特征是，

步驟2中，

步驟21，用實體類型表示的問題模板，即步驟15的問題模板；

步驟22，模板-邏輯數據集，此部分為人工構建；收集領域內的常見問題，按照步驟2識別這些問題中涉及的實體，獲得常見問題的問題模板；然后以知識圖譜中的關系為基礎，逐條將問題模板中的語義關系映射到圖譜中的關系，并用邏輯表達式表示；

對領域內的常見問題，基于領域知識圖譜，通過實體識別和關系映射，形成模板-邏輯數據集；

步驟23，模板過濾；在模板-邏輯數據集中篩選，保留與輸入問題模板實體類型一致的模板；

步驟24，基于詞向量的模板相似度計算；即計算詞向量和模板-邏輯數據集中給定模板的相似度值并排序，借助word mover’s distance(WMD)計算模板和模板間的相似度，WMD的值越小，表示相似度越高；WMD計算基于詞向量的詞語表示，借助EMD計算兩文本詞匯間的轉移成本，具體公式如下：

C_(i，j)＝|x_i-x_j|₂

其中x_i表示詞語x的詞向量，C_(i,表示詞i和詞j之間的余弦距離；c_i表示詞語出現的頻次，d_i表示詞語在文本中的權重，T_ij表示詞語i有多少轉移到了詞語j中；對詞語x的詞向量，下載中文wiki百科語料，并對語料進行分詞，將分詞后語料輸入word2vec模型，訓練得詞向量模型；

步驟25，對計算所得的距離排序，距離越小，相似度越大；

步驟26，選擇相似度最大的目標作為近義模板；

步驟27，返回語義最相近的模板，模板-邏輯數據集中查詢該模板的邏輯表達式，上述近義模板在模板-邏輯數據集中對應的邏輯表達式即為輸入問題的邏輯表達式。

4.根據權利要求1中所述的基于實體類型和語義相似度的知識圖譜問答方法及系統，其特征是，

步驟3中，步驟31，輸入問題模板的邏輯表達式，即步驟27中的邏輯表達式；

步驟32，輸入問題對應的(實體類型，實體)，即步驟13中的二元組(實體類型，實體)；

步驟33，將(實體類型，實體)鏈接到知識圖譜中對應的實體對象；

步驟34，將邏輯表達式映射到圖譜中的關系上，例如邏輯表達式的food_fit_food映射到圖譜中食物間的關系relation:food_fit_food上；

步驟35，實體鏈接和關系映射的結果聯合，將問題表示成語義三元組的形式，即識別出的實體類型、實體二元組鏈接到知識圖譜對應實體或實體屬性，將獲得的邏輯表達式映射到知識圖譜中對應的實體關系，以此形成該輸入問題的語義三元組；根據語義三元組在知識圖譜上查詢信息，生成答案。