[發(fā)明專利]用于對(duì)話系統(tǒng)的基于人工智能的知識(shí)圖譜生成方法、電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010579565.5
• 申請(qǐng)日: 2020-06-23
• 公開（公告）號(hào): CN111723186A
• 公開（公告）日: 2020-09-29
• 發(fā)明（設(shè)計(jì)）人: 周純
• 申請(qǐng)（專利權(quán)）人: 寧波富萬信息科技有限公司
• 主分類號(hào): G06F16/332
• 分類號(hào): G06F16/332;G06F16/36;G06F40/30;G06F40/295;G06F40/242;G06N3/04
• 代理公司: 北京衛(wèi)智暢科專利代理事務(wù)所(普通合伙) 11557
• 代理人: 陳佳

本公開的實(shí)施例公開了用于對(duì)話系統(tǒng)的基于人工智能的知識(shí)圖譜生成方法、電子設(shè)備。該方法的一具體實(shí)施方式包括：獲取輸入文本；基于輸入文本，確定實(shí)體特征集合；基于輸入文本，生成語義關(guān)系集合；基于實(shí)體集合和語義關(guān)系集合，確定知識(shí)圖譜；存儲(chǔ)并輸出所述知識(shí)圖譜。該方法基于輸入文本生成的實(shí)體特征集合和語義關(guān)系集合構(gòu)建知識(shí)圖譜，能夠更好的表征對(duì)話系統(tǒng)中的問答信息。對(duì)知識(shí)圖譜加密后進(jìn)行存儲(chǔ)，提高了所存儲(chǔ)的知識(shí)圖譜的安全性和不可篡改性。

技術(shù)領(lǐng)域

本公開實(shí)施例涉及自然語言處理領(lǐng)域，具體涉及一種知識(shí)圖譜生成和存儲(chǔ)的方法、電子設(shè)備。

背景技術(shù)

隨著人工智能技術(shù)的發(fā)展，人機(jī)對(duì)話系統(tǒng)，或者會(huì)話交互，有望成為物聯(lián)網(wǎng)時(shí)代的主要交互方式。而語言的理解與表達(dá)和知識(shí)是密切聯(lián)系的，知識(shí)圖譜作為一種大規(guī)模知識(shí)的表示形式，在人機(jī)對(duì)話系統(tǒng)中各模塊都有重要的應(yīng)用。知識(shí)圖譜以圖譜的形式描述真實(shí)世界的實(shí)體及其內(nèi)在關(guān)系,用模式定義可能的類和實(shí)體關(guān)系,允許任意實(shí)體彼此潛在相互關(guān)聯(lián),并涵蓋各種主題領(lǐng)域。引入知識(shí)圖譜技術(shù)，能夠?qū)?duì)話系統(tǒng)中的信息進(jìn)行結(jié)構(gòu)化、語義化和智能化的處理與應(yīng)用，從而提升對(duì)話系統(tǒng)的效果。

發(fā)明內(nèi)容

本公開實(shí)施例提出了一種用于對(duì)話系統(tǒng)的基于人工智能的知識(shí)圖譜生成方法。

第一方面，本公開實(shí)施例提供了一種用于對(duì)話系統(tǒng)的基于人工智能的知識(shí)圖譜生成方法，該方法包括：獲取輸入文本；基于輸入文本，確定實(shí)體特征集合；基于輸入文本，生成語義關(guān)系集合；基于實(shí)體特征集合和語義關(guān)系集合，確定知識(shí)圖譜；存儲(chǔ)并輸出知識(shí)圖譜。

在一些實(shí)施例中，用于對(duì)話系統(tǒng)的基于人工智能的知識(shí)圖譜生成方法還包括：響應(yīng)于確定知識(shí)圖譜是用于對(duì)話系統(tǒng)的知識(shí)圖譜，將知識(shí)圖譜發(fā)送至支持顯示的設(shè)備，控制設(shè)備顯示知識(shí)圖譜。

在一些實(shí)施例中，基于輸入文本，確定實(shí)體特征集合，包括：對(duì)輸入文本進(jìn)行分詞切分，得到輸入文本包括的實(shí)體集合；對(duì)于實(shí)體集合中的每個(gè)實(shí)體，確定該實(shí)體的結(jié)構(gòu)化特征，得到實(shí)體集合的結(jié)構(gòu)化特征集合；對(duì)于實(shí)體集合中的每個(gè)實(shí)體，確定該實(shí)體的非結(jié)構(gòu)化特征，得到實(shí)體集合的非結(jié)構(gòu)化特征集合；合并結(jié)構(gòu)化特征集合和非結(jié)構(gòu)化特征集合，得到實(shí)體特征集合。

在一些實(shí)施例中，對(duì)于實(shí)體集合中的每個(gè)實(shí)體，確定該實(shí)體的結(jié)構(gòu)化特征，包括：確定該實(shí)體在輸入文本中出現(xiàn)次數(shù)的獨(dú)熱向量；確定該實(shí)體在輸入文本中出現(xiàn)類型的獨(dú)熱向量；串聯(lián)出現(xiàn)次數(shù)的獨(dú)熱向量和出現(xiàn)類型的獨(dú)熱向量，得到該實(shí)體的結(jié)構(gòu)化特征。

在一些實(shí)施例中，對(duì)于實(shí)體集合中的每個(gè)實(shí)體，確定該實(shí)體的非結(jié)構(gòu)化特征，包括：將該實(shí)體輸入預(yù)先訓(xùn)練的第一神經(jīng)網(wǎng)絡(luò)；將預(yù)先訓(xùn)練的第一神經(jīng)網(wǎng)絡(luò)的最后一層隱藏層的值作為該實(shí)體的非結(jié)構(gòu)化特征輸出。

在一些實(shí)施例中，輸入文本，生成語義關(guān)系集合，包括：基于輸入文本，生成文本特征；將文本特征輸入預(yù)先訓(xùn)練的第二神經(jīng)網(wǎng)絡(luò)，生成第一特征；將文本特征輸入預(yù)先訓(xùn)練的第三神經(jīng)網(wǎng)絡(luò)，生成第二特征；融合第一特征和第二特征，生成第三特征；將第三特征輸入預(yù)先訓(xùn)練的分類器，利用下式生成分類結(jié)果矩陣：其中，F(xiàn)表示第三特征，M是與F形狀相同的隨機(jī)產(chǎn)生的二值向量，表示拼接處理，V表示權(quán)值矩陣，c為偏置值，s為分類結(jié)果矩陣，s是m×N維的矩陣，m為預(yù)先確定的語義關(guān)系的類別總數(shù)，N為實(shí)體集合中的實(shí)體數(shù)量，g()表示預(yù)先訓(xùn)練得到的選擇函數(shù)，s中第i行第j列元素的值表示第j個(gè)實(shí)體所表征的語義關(guān)系屬于第i類語義關(guān)系的概率，i∈[1,m]，j∈[1,N]；將s中每一列中值最大元素的行所對(duì)應(yīng)的語義關(guān)系確定為該實(shí)體的語義關(guān)系，得到輸入文本的語義關(guān)系集合。

在一些實(shí)施例中，基于實(shí)體特征集合和語義關(guān)系集合，確定并輸出知識(shí)圖譜，包括：將實(shí)體集合中的各個(gè)實(shí)體確定為知識(shí)圖譜的節(jié)點(diǎn)，其中，知識(shí)圖譜包括第一數(shù)目個(gè)節(jié)點(diǎn)；基于語義關(guān)系集合中的各個(gè)語義關(guān)系，確定知識(shí)圖譜的邊，其中，知識(shí)圖譜包括第二數(shù)目個(gè)邊。