[發明專利]基于知識圖譜的問答方法、電子裝置、設備及存儲介質

在審

• 申請號: 201910376927.8
• 申請日: 2019-05-07
• 公開（公告）號: CN110263133A
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 朱威;倪淵;謝國彤
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/36
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 林彥之

1.一種基于知識圖譜的問答方法，應用于電子裝置中，其特征在于，所述方法包括步驟：

確定預訓練后的第一模型為生成對抗網絡的生成器；

及確定預訓練后的第二模型為生成對抗網絡的判別器；

通過第一模型對獲取到的用戶輸入的問題數據進行知識圖譜查詢，找到所述問題數據連接的N個問答關系，并將N個所述問答關系與真實答案組成一組正負樣本組；

通過所述第一模型和所述第二模型根據二人零和博弈對對抗生成網絡進行訓練，確定最終模型關系；

根據最終模型關系對問題數據通過查詢圖譜匹配到最終答案數據。

2.如權利要求1所述的基于知識圖譜的問答方法，其特征在于，通過第一模型對獲取到的用戶輸入的問題數據進行知識圖譜查詢，找到所述問題數據連接的N個問答關系，并將N個所述問答關系與真實答案組成一組正負樣本組的步驟，包括：

通過第一模型將獲取的用戶輸入的問題數據進行實體連接找到對應的主題實體，對主題實體進行知識圖譜查詢，找到所述問題數據連接的N個問答關系；

通過第一模型將N個所述問答關系與真實答案組成一組正負樣本組。

3.如權利要求2所述的基于知識圖譜的問答方法，其特征在于，通過第一模型將N個所述問答關系與真實答案組成一組正負樣本組的步驟，包括：

通過第一模型對N個所述問答關系進行與問題數據的相關性評分；

根據相關性評分的結果選取分數排名為預置排名數前的M個問答關系，其中，N>M；

通過第一模型將M個所述問答關系與真實答案組成一組正負樣本組。

4.如權利要求1所述的基于知識圖譜的問答方法，其特征在于，通過所述第一模型和所述第二模型根據二人零和博弈對對抗生成網絡進行訓練，確定最終模型關系的步驟，包括：

對所述第一模型和所述第二模型的參數進行策略梯度算法的強化學習；

根據策略梯度算法的強化學習后的結果確定所述第一模型或所述第二模型中一個為最終關系分類器，并確定最終模型關系。

5.如權利要求4所述的基于知識圖譜的問答方法，其特征在于，根據策略梯度算法的強化學習后的結果確定所述第一模型或所述第二模型中一個為最終關系分類器，并確定最終模型關系的步驟，包括：

確定策略梯度算法的強化學習之后的所述第一模型和所述第二模型達到納什均衡；

根據所述第一模型和所述第二模型的結果，確定最優的所述第一模型或所述第二模型為最終關系分類器，并確定最終模型關系。

6.如權利要求1至5中任意一項所述的基于知識圖譜的問答方法，其特征在于，確定預訓練后的第一模型為生成對抗網絡的生成器，及確定預訓練后的第二模型為生成對抗網絡的判別器的步驟，之前還包括：

對基于神經網絡的KGQA關系分類模型的所述第一模型和所述第二模型進行預置訓練數據的預訓練；

其中，第一模型和第二模型的網絡結構不同，預置訓練數據按照預置正負樣本比例隨機生成。

7.如權利要求6所述的基于知識圖譜的問答方法，其特征在于，通過第一模型對獲取到的用戶輸入的問題數據進行知識圖譜查詢，找到所述問題數據連接的N個問答關系，并將N個所述問答關系與真實答案組成一組正負樣本組的步驟，之前還包括：

獲取用戶輸入的自然查詢語句對應的問題數據；

從數據庫提取若干個用戶歷史輸入的自然查詢語句對應的問題數據。

8.一種電子裝置，其特征在于，其包括：

第一確定模塊，適于確定預訓練后的第一模型為生成對抗網絡的生成器；

第二確定模塊，適于確定預訓練后的第二模型為生成對抗網絡的判別器；

查詢模塊，適于通過第一模型對獲取到的用戶輸入的問題數據進行知識圖譜查詢，找到所述問題數據連接的N個問答關系，并將N個所述問答關系與真實答案組成一組正負樣本組；

對抗生成網絡模塊，適于通過所述第一模型和所述第二模型根據二人零和博弈對對抗生成網絡進行訓練，確定最終模型關系；

匹配模塊，適于根據最終模型關系對問題數據通過查詢圖譜匹配到最終答案數據。