[發明專利]一種基于深度學習與相似度匹配的知識圖譜問答的方法

在審

• 申請號: 202011446662.3
• 申請日: 2020-12-11
• 公開（公告）號: CN112765310A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 李小超;張晶亮;謝水庚;胡博欽;郝志強
• 申請（專利權）人: 北京航天云路有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/332;G06F16/35;G06F16/36;G06F40/211;G06F40/242;G06F40/295;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京紐樂康知識產權代理事務所(普通合伙) 11210
• 代理人: 秦月貞

1.一種基于深度學習與相似度匹配的知識圖譜問答的方法，包括以下步驟：

S1啟動服務，加載多標簽分類模型；

S2用戶輸入問句進行實體類別的識別、預測問句對應的實體標簽；

S3加載該類別下的實體名稱詞典，獲取問句對應的實體名稱；

S4判斷問句中是否包含字典中的實體名稱，并返回與用戶問句相應的實體名稱；

S5根據實體名稱與實體標簽構造數據庫查詢語句；

S6查詢圖數據庫，返回答案。

2.根據權利要求1所述的一種基于深度學習與相似度匹配的知識圖譜問答的方法，其特征在于，根據獲取到的實體類別，加載該類別下的實體名稱詞典，如果用戶問句中包含詞典中的某個實體名稱，則返回該實體名稱，否則，計算該用戶問句與詞典中實體名稱的余弦相似度，返回匹配相似度最高的實體名稱。

3.根據權利要求1所述的一種深度學習與相似度匹配的知識圖譜問答的方法，所述數據庫查詢獲取答案的步驟包括:數據準備與存儲方式；構造訓練數據；基于ALBERT與雙向GRU的多標簽分類模型；獲取用戶問句對應的節點名稱；構造查詢語句。

4.根據權利要求3所述的一種深度學習與相似度匹配的知識圖譜問答的方法，其特征在于，所述數據準備的數據源是以某公司網站的客戶服務中心作為數據源，包括產品中心，用戶中心與活動中心。

5.根據權利要求3所述的一種深度學習與相似度匹配的知識圖譜問答的方法，其特征在于，所述存儲方式是以產品中心為例，將產品中心下的每個模塊作為實體節點的標簽，將每個模塊下的子模塊作為一個實體節點，每個節點包括兩個屬性分別為name和content，數據存放到圖數據庫中。

6.根據權利要求3所述的一種深度學習與相似度匹配的知識圖譜問答的方法，其特征在于，所述構造訓練數據，是根據用戶問句整理得到訓練數據集與測試數據集。

7.根據權利要求3所述的一種深度學習與相似度匹配的知識圖譜問答的方法，其特征在于，所述ALBERT與雙向GRU的多標簽分類模型，是采用ALBERT對訓練數據與測試數據的文本進行特征提取，搭建的雙向GRU深度學習模型。

8.根據權利要求3所述的一種深度學習與相似度匹配的知識圖譜問答的方法，其特征在于，所述構造查詢語句，使用Neo4j作為存儲數據庫，構造cypher查詢語句，將獲取的實體標簽與實體名稱查詢數據庫，獲取答案。