[發明專利]游戲領域的知識圖譜關系匹配方法、模型構建方法及裝置

有效

• 申請號: 202010191888.7
• 申請日: 2020-03-18
• 公開（公告）號: CN111538843B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 徐波
• 申請（專利權）人: 廣州多益網絡股份有限公司;廣東利為網絡科技有限公司;多益網絡有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/216
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發明公開了一種游戲領域的知識圖譜關系匹配模型構建方法，包括：獲取開放領域的關系匹配數據集；基于TFIDF文本相似度的方法，從所述開放領域的關系匹配數據集中獲取適用于所述游戲領域的關系匹配數據集；采集開放領域的自由文本，并對所述開放領域的自由文本進行預訓練，構建語言模型；其中，所述語言模型為知識圖譜關系匹配所需的模型結構；根據所述游戲領域的關系匹配數據集，對所述語言模型進行增量訓練，以構建所述游戲領域的知識圖譜關系匹配模型。采用本發明實施例，通過數據遷移的方法構建游戲領域的知識圖譜關系匹配模型，解決了游戲領域數據不足的問題，提高了對游戲領域的知識圖譜關系匹配的精準性和高效性。

技術領域

本發明涉及語言處理技術領域，尤其涉及一種游戲領域的知識圖譜關系匹配方法、模型構建方法及裝置。

背景技術

知識圖譜以三元組的形式存儲知識，一條知識被表示成“主體，關系，客體”的形式，其中主體和客體通常為命名實體，而關系通常為屬性。知識圖譜用于問答系統的原理為：解析輸入問題中的主體和關系，與知識圖譜的知識進行匹配，返回知識圖譜中對應的客體作為答案。從輸入問題中識別出知識圖譜對應的關系的任務稱為關系匹配。

現有技術中，通常采用基于語義解析或基于機器學習的方法實現關系匹配任務?；谡Z義解析的方法通過解析問題的句子結構，抽取出表示關系的詞匯，再通過預先構建好的匹配庫將詞匯與知識圖譜的關系匹配；基于機器學習的方法通過訓練語料將問句和知識圖譜關系都轉成某種向量化表達形式，計算相似度找出和問句表述最相似的知識圖譜關系。

然而，在實施本發明過程中，發明人發現現有技術至少存在如下問題：游戲領域構造的世界與現實世界存在不同，有的基于現實世界，有的基于虛構的異世界，因而針對游戲領域的問答系統，往往沒有足夠的數據積累，無法為機器學習提供大量有效的訓練語料。而采用語義解析的方法需要耗費大量的人力進行數據標注或總結規則，人工干預過多，并且對問句形式要求嚴格，需投入的人工和時間成本較大。

發明內容

本發明實施例的目的是提供一種游戲領域的知識圖譜關系匹配方法、模型構建方法及裝置，其通過數據遷移的方法構建游戲領域的知識圖譜關系匹配模型，解決了游戲領域數據不足的問題，提高了對游戲領域的知識圖譜關系匹配的精準性和高效性。

為實現上述目的，本發明實施例提供了一種游戲領域的知識圖譜關系匹配模型構建方法，包括：

獲取開放領域的關系匹配數據集；

基于TFIDF文本相似度的方法，從所述開放領域的關系匹配數據集中獲取適用于所述游戲領域的關系匹配數據集；

采集開放領域的自由文本，并對所述開放領域的自由文本進行預訓練，構建語言模型；其中，所述語言模型為知識圖譜關系匹配所需的模型結構；

根據所述游戲領域的關系匹配數據集，對所述語言模型進行增量訓練，以構建所述游戲領域的知識圖譜關系匹配模型。

作為上述方案的改進，所述獲取開放領域的關系匹配數據集，包括：

采集開放領域的知識圖譜和問答數據集；其中，所述問答數據集中包括至少一個問答對；

將所述問答數據集中的問答對和所述知識圖譜中的三元組進行對齊操作，為每一問答對匹配對應的目標三元組；

將所述問答對的問題與對應目標三元組的關系構造“問題-關系”的關系匹配數據，以形成所述開放領域的關系匹配數據集。

作為上述方案的改進，所述將所述問答數據集中的問答對和所述知識圖譜中的三元組進行對齊操作，為每一問答對匹配對應的目標三元組，包括：

對所述開放領域的知識圖譜中三元組的客體建立反向索引；

針對每一問答對，從所述開放領域的知識圖譜中檢索出客體為所述問答對的答案的備選三元組；