[發(fā)明專利]一種基于知識圖譜的問答意圖識別方法

在審

• 申請?zhí)枺?/td>: 202010068158.8
• 申請日: 2020-01-21
• 公開（公告）號: CN111291156A
• 公開（公告）日: 2020-06-16
• 發(fā)明（設(shè)計）人: 馮淑雯;段飛虎;譚超;馮自強;李云鵬;張宏偉
• 申請（專利權(quán)）人: 同方知網(wǎng)（北京）技術(shù)有限公司;同方知網(wǎng)數(shù)字出版技術(shù)股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/332;G06F16/35;G06F16/36;G06N3/04;G06N3/08
• 代理公司: 北京天奇智新知識產(chǎn)權(quán)代理有限公司 11340
• 代理人: 王澤云

1.一種基于知識圖譜的問答意圖識別方法，其特征在于，所述方法包括：

A構(gòu)建領(lǐng)域主題詞典；

B構(gòu)建模板；

C對檢索語句進行詞性分析和句法依存分析；

D利用詞向量及LDA算法計算搜索文本與模板樣例的相似度；

E在已知的詞向量基礎(chǔ)上，基于TextCNN做更廣泛的意圖識別來作為開放式信息的結(jié)果；

F在領(lǐng)域圖譜中提取關(guān)鍵詞。

2.如權(quán)利要求1所述的基于知識圖譜的問答意圖識別方法，其特征在于，所述步驟C中句法關(guān)系包括主謂關(guān)系，動賓關(guān)系，定中關(guān)系，狀中關(guān)系與并列關(guān)系。

3.如權(quán)利要求1所述的基于知識圖譜的問答意圖識別方法，其特征在于，步驟D中：通過領(lǐng)域的專業(yè)數(shù)據(jù)和通用數(shù)據(jù)，經(jīng)過分詞，去停用詞工作的文本生成詞向量，將詞語轉(zhuǎn)換為密集向量并根據(jù)詞向量之間的距離判斷詞語的相似度。

4.如權(quán)利要求1所述的基于知識圖譜的問答意圖識別方法，其特征在于，所述TextCNN是在卷積神經(jīng)網(wǎng)絡(luò)CNN的基礎(chǔ)上提出的一種用于文本分類的深度學(xué)習(xí)算法。

5.如權(quán)利要求1所述的基于知識圖譜的問答意圖識別方法，其特征在于，所述步驟F中提取了文本中包含的主題，主題中既一個主題對應(yīng)多個實體，或主題包含在某個實體中。

6.如權(quán)利要求1所述的基于知識圖譜的問答意圖識別方法，其特征在于，步驟F中需要在事先構(gòu)建的領(lǐng)域圖譜中匹配可能的上下位詞關(guān)聯(lián)詞，挖掘用戶更深層的意圖，探索與檢索語句中關(guān)鍵詞關(guān)聯(lián)的子領(lǐng)域。