[發明專利]一種基于GCN與指針網絡的自然語言到SPARQL語句的生成系統及方法

有效

• 申請號: 202011642734.1
• 申請日: 2020-12-30
• 公開（公告）號: CN112632263B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 姜洪超;金莉
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06F16/36;G06F40/284;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 賀小停

本發明提供的一種基于GCN與指針網絡的自然語言到SPARQL語句的生成系統及方法，包括以下步驟：獲取問題語句圖；利用GCN神經網絡模型對得到的問題語句圖進行訓練，獲得問題語句圖中每個節點對應的圖嵌入向量；搭建指針網絡架構，使用指針網絡架構生成SPARQL語句，實現端到端生成，避免中間環節，降低了SPARQL語句生成復雜度；提升了解碼端問句生成靈活度。

技術領域

本發明涉及SPARQL語句生成方法的自然語言處理領域，具體涉及一種基于GCN與指針網絡的自然語言到SPARQL語句的生成系統及方法。

背景技術

隨著互聯網技術的發展，問答系統在信息檢索中扮演著重要的角色，它的研究和發展歷經了專家系統、檢索式問答、社區問答以及現階段的知識庫問答，有著非常悠久的歷史。知識庫問答作為問答系統的一種重要類型，通過對問題進行語義理解和解析，生成面向知識庫的SPARQL語句，進而利用知識庫進行查詢、推理得出答案。其中，利用Jena存儲知識圖譜，利用SPARQL語句查詢獲得答案，便是知識庫問答的一種重要實現方式。在傳統的知識庫問答中，Text問句需要經過實體與屬性識別、實體鏈接、問句意圖識別等諸多步驟才能生成SPARQL語句，則生成過程復雜不利于解析問句。

發明內容

本發明的目的在于提供一種基于GCN與指針網絡的自然語言到SPARQL語句的生成系統及方法，解決了SPARQL語句生成過程復雜、且不利于問句語義深度解析的缺陷。

為了達到上述目的，本發明采用的技術方案是：

本發明提供的一種基于GCN與指針網絡的自然語言到SPARQL語句的生成方法，包括以下步驟：

步驟1，接收用戶問題語句；

步驟2，根據用戶問題語句獲取問題語句圖；

步驟3，利用GCN神經網絡模型對步驟2中得到的問題語句圖進行訓練，獲得問題語句圖中每個節點對應的圖嵌入向量；

步驟4，搭建指針網絡架構，所述指針網絡架構包括編碼端、Attention層和解碼端，其中，編碼端為Bi-LSTM模型；解碼端為LSTM模型；Attention層包括全連接層和Softmax層；

構建輸入序列，并設定該輸入系列的單元數為n；

步驟5，對步驟4中得到的輸入序列進行編碼，得到輸入序列編碼向量；將輸入序列編碼向量與步驟3中得到的圖嵌入向量進行拼接，得到編碼拼接向量；

將得到的編碼拼接向量輸入步驟4中得到的指針網絡架構的編碼端，獲得Bi-LSTM模型n個單元輸出向量、1個正向隱向量和1個反向隱向量；

步驟6，根據步驟5得到的Bi-LSTM模型單元輸出向量、正向隱向量和反向隱向量，結合步驟4中得到指針網絡架構的Attention層，得到輸入序列每個單元的權重；

根據得到的最大權重對應的輸入序列單元，結合步驟4中得到指針網絡架構的解碼端，生成SPARQL語句。

優選地，步驟2中，根據用戶問題語句獲取問題語句圖，具體方法是：

S201、利用BERT+CRF模型對接收到的問題語句分別進行實體識別和屬性識別，分別得到實體信息和屬性信息；

S202、利用知識圖譜獲取S201中得到的實體信息和屬性信息對應的子圖，并將該子圖作為問題語句圖。

優選地，步驟3中，利用GCN神經網絡模型對步驟2中得到的問題語句圖進行訓練，獲得問題語句圖中每個節點對應的圖嵌入向量，具體方法是：

S301、利用Word2vec預訓練詞向量對步驟2中得到的問題語句圖中每個節點進行向量初始化，得到每個節點對應的初始化向量；