[發(fā)明專利]基于知識圖譜的問句推理方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210095006.6
• 申請日: 2022-01-26
• 公開（公告）號: CN114490988A
• 公開（公告）日: 2022-05-13
• 發(fā)明（設(shè)計）人: 曾祥云;朱姬淵
• 申請（專利權(quán)）人: 上海易康源醫(yī)療健康科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/36;G06N3/04;G06N3/08;G06N5/02;G06N5/04
• 代理公司: 上海碩力知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31251
• 代理人: 王法男

1.一種基于知識圖譜的問句推理方法，其特征在于，所述方法包括：

步驟S100：獲取當(dāng)前待解答問題，并根據(jù)所述當(dāng)前待解答問題和預(yù)設(shè)的雙向LSTM獲得指令向量i^k；

步驟S200：對所述當(dāng)前待解答問題進(jìn)行向量化表示，并得到實體向量表示值E^(k-1)；

步驟S300：根據(jù)所述指令向量i^k、所述實體向量表示值E^(k-1)和知識圖譜，生成當(dāng)前實體分布；

步驟S400：將知識圖譜放入GAT網(wǎng)絡(luò)進(jìn)行特征抽取，并獲得當(dāng)前GAT網(wǎng)絡(luò)抽取特征和當(dāng)前GAT網(wǎng)絡(luò)抽取標(biāo)簽；

步驟S500：將所述當(dāng)前GAT網(wǎng)絡(luò)抽取特征和所述當(dāng)前LSTM抽取實際特征進(jìn)行拼接，并生成最終問詢特征。

2.根據(jù)權(quán)利要求1所述的基于知識圖譜的問句推理方法，其特征在于，步驟S100：獲取當(dāng)前待解答問題，并根據(jù)所述當(dāng)前待解答問題和預(yù)設(shè)的雙向LSTM獲得指令向量i^k，具體包括：

步驟S110：獲取當(dāng)前待解答問題，并基于雙向LSTM對所述當(dāng)前待解答問題進(jìn)行特征抽取，并獲得當(dāng)前LSTM抽取實際特征；

步驟S120：根據(jù)所述當(dāng)前LSTM抽取實際特征進(jìn)行特征增強(qiáng)，并獲得指令向量i^k。

3.根據(jù)權(quán)利要求1所述的基于知識圖譜的問句推理方法，其特征在于，步驟S300：根據(jù)所述指令向量i^k、所述實體向量表示值E^(k-1)和知識圖譜，生成當(dāng)前實體分布，具體包括：

步驟S310：基于所述實體向量表示值E^(k-1)和知識圖譜，生成多級跳實體關(guān)系特征向量Ne；

步驟S320：基于所述指令向量i^k和所述多級跳實體關(guān)系特征向量Ne構(gòu)建實體分布矩陣，并生成當(dāng)前實體分布。

4.根據(jù)權(quán)利要求1-3任一項所述的基于知識圖譜的問句推理方法，其特征在于，步驟S500：將所述當(dāng)前GAT網(wǎng)絡(luò)抽取特征和所述當(dāng)前LSTM抽取實際特征進(jìn)行拼接，并生成最終問詢特征，之后還包括：

根據(jù)所述最終問詢特征和所述當(dāng)前GAT網(wǎng)絡(luò)抽取標(biāo)簽計算KL損失。

5.一種基于知識圖譜的問句推理系統(tǒng)，其特征在于，所述系統(tǒng)包括：

問題獲取模塊，用于獲取當(dāng)前待解答問題，并根據(jù)所述當(dāng)前待解答問題和預(yù)設(shè)的雙向LSTM獲得指令向量i^k；

向量表示模塊，用于對所述當(dāng)前待解答問題進(jìn)行向量化表示，并得到實體向量表示值E^(k-1)；

實體分布模塊，用于根據(jù)所述指令向量i^k、所述實體向量表示值E^(k-1)和知識圖譜，生成當(dāng)前實體分布；

網(wǎng)絡(luò)抽取模塊，用于將知識圖譜放入GAT網(wǎng)絡(luò)進(jìn)行特征抽取，并獲得當(dāng)前GAT網(wǎng)絡(luò)抽取特征和當(dāng)前GAT網(wǎng)絡(luò)抽取標(biāo)簽；

問詢特征模塊，用于將所述當(dāng)前GAT網(wǎng)絡(luò)抽取特征和所述當(dāng)前LSTM抽取實際特征進(jìn)行拼接，并生成最終問詢特征。

6.根據(jù)權(quán)利要求5所述的基于知識圖譜的問句推理系統(tǒng)，其特征在于，所述問題獲取模塊還包括：

問題解答模塊，用于獲取當(dāng)前待解答問題，并基于雙向LSTM對所述當(dāng)前待解答問題進(jìn)行特征抽取，并獲得當(dāng)前LSTM抽取實際特征；

特征增強(qiáng)模塊，用于根據(jù)所述當(dāng)前LSTM抽取實際特征進(jìn)行特征增強(qiáng)，并獲得指令向量i^k。

7.根據(jù)權(quán)利要求6所述的基于知識圖譜的問句推理系統(tǒng)，其特征在于，所述實體分布模塊還包括：

圖譜表示模塊，用于基于所述實體向量表示值E^(k-1)和知識圖譜，生成多級跳實體關(guān)系特征向量Ne；

分布生成模塊，用于基于所述指令向量i^k和所述多級跳實體關(guān)系特征向量Ne構(gòu)建實體分布矩陣，并生成當(dāng)前實體分布。