[發(fā)明專利]回饋數(shù)據(jù)圖譜生成方法、生成設備、問答設備及冰箱

在審

• 申請?zhí)枺?/td>: 202210713627.6
• 申請日: 2022-06-22
• 公開（公告）號: CN115129890A
• 公開（公告）日: 2022-09-30
• 發(fā)明（設計）人: 孔令磊;劉昊;魏志強;李桂璽;張景瑞;曾誰飛;于麗紅;張佩佩
• 申請（專利權）人: 青島海爾電冰箱有限公司;中國海洋大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F16/33;G06F40/211;G06F40/289
• 代理公司: 蘇州威世朋知識產權代理事務所(普通合伙) 32235
• 代理人: 沈曉敏

本發(fā)明揭示了一種回饋數(shù)據(jù)圖譜生成方法、生成設備、問答設備及冰箱，其中，方法包括：遍歷原始信息庫中所有原始語料，生成基礎目錄數(shù)據(jù)；根據(jù)基礎目錄數(shù)據(jù)，抽取形成實體信息元素以及實體關系元素；根據(jù)基礎目錄數(shù)據(jù)和原始信息庫，依次執(zhí)行屬性融合以及同屬性句段聚合，生成對應于不同文本句段數(shù)據(jù)的多組句段屬性元素；根據(jù)實體信息元素構建實體節(jié)點，根據(jù)實體關系元素建立實體間的關聯(lián)關系，將句段屬性元素按照句段與實體間的關聯(lián)關系，對應存入所述實體節(jié)點中，生成回饋數(shù)據(jù)圖譜。本發(fā)明提供的回饋數(shù)據(jù)圖譜生成方法，生成效率高，生成的圖譜上下文一致性更好，粒度級更細，支持精度更高和速度更快的檢索需求。

技術領域

本發(fā)明涉及信息技術領域，尤其涉及一種回饋數(shù)據(jù)圖譜生成方法、生成設備、問答設備及冰箱。

背景技術

現(xiàn)如今，搭載自然語言處理系統(tǒng)以便于進行信息檢索，已經(jīng)成為人們工作和生活中不可或缺的一部分，當前的檢索引擎主要通過對輸入的語句進行關鍵詞拆分，對既有的數(shù)據(jù)庫進行遍歷檢索，并按照關鍵詞的重復度進行降序排列，以方便人們獲取想要得到的信息。然而，由于數(shù)據(jù)庫內的數(shù)據(jù)排列較為零散，每次更換檢索關鍵詞都需要對整個數(shù)據(jù)庫進行遍歷，檢索效果差，且回饋數(shù)據(jù)生成的速度緩慢。

現(xiàn)有技術中還提供一種對數(shù)據(jù)庫建立知識圖譜，將數(shù)據(jù)庫中較為核心的內容提煉為實體，從而建立實體節(jié)點以及實體之間的關聯(lián)關系，以使用戶輸入關鍵詞后，可以根據(jù)關鍵詞與實體之間的相似度進行檢索，從而加快檢索速度。但此種技術方案仍然存在一些缺陷：(1)更多地關注與實體本身及實體之間的關系，輕視了實體與數(shù)據(jù)庫中其他內容之間的關聯(lián)關系，導致檢索抽取時輸出的內容紛繁復雜，且與輸入檢索關鍵詞的匹配度不高；(2)抽取實體及相關數(shù)據(jù)的過程中，在相關數(shù)據(jù)分布于數(shù)據(jù)庫中多個位置時，仍然需要對數(shù)據(jù)庫進行遍歷才能得到完整的相關數(shù)據(jù)，對提升檢索速度的貢獻較小；(3)即使建立了實體與相關數(shù)據(jù)的關聯(lián)性，現(xiàn)有技術中相關數(shù)據(jù)的劃分較為大略，通常是以大量的數(shù)據(jù)作為一組相關數(shù)據(jù)，數(shù)據(jù)圖譜的粒度級較大，導致檢索精準度較低。

發(fā)明內容

本發(fā)明的目的之一在于提供一種回饋數(shù)據(jù)圖譜生成方法，以解決現(xiàn)有技術中生成方法搭建的圖譜檢索結果內容復雜、匹配度低，提高檢索速度的程度有限，以及粒度級較粗所導致的檢索精準度低的技術問題。

本發(fā)明的目的之一在于提供一種回饋數(shù)據(jù)圖譜生成設備。

本發(fā)明的目的之一在于提供一種問答設備。

本發(fā)明的目的之一在于提供一種冰箱。

為實現(xiàn)上述發(fā)明目的之一，本發(fā)明一實施方式提供一種回饋數(shù)據(jù)圖譜生成方法，包括：遍歷原始信息庫中所有原始語料，生成基礎目錄數(shù)據(jù)；根據(jù)所述基礎目錄數(shù)據(jù)，抽取形成實體信息元素以及實體關系元素；根據(jù)所述基礎目錄數(shù)據(jù)和所述原始信息庫，依次執(zhí)行屬性融合以及同屬性句段聚合，生成對應于不同文本句段數(shù)據(jù)的多組句段屬性元素；其中，所述文本句段數(shù)據(jù)在所述原始語料中包含有多組；根據(jù)所述實體信息元素構建實體節(jié)點，根據(jù)所述實體關系元素建立實體間的關聯(lián)關系，將所述句段屬性元素按照句段與實體間的關聯(lián)關系，對應存入所述實體節(jié)點中，生成回饋數(shù)據(jù)圖譜。

作為本發(fā)明一實施方式的進一步改進，所述方法具體包括：根據(jù)所述基礎目錄數(shù)據(jù)在所述原始信息庫中檢索，得到對應于不同基礎目錄數(shù)據(jù)的多組待處理文本；根據(jù)所述待處理文本，依次執(zhí)行雙向特征表示以及屬性分類識別，得到對應于不同文本句段數(shù)據(jù)的多組初級屬性數(shù)據(jù)；根據(jù)所述初級屬性數(shù)據(jù)、所述文本句段數(shù)據(jù)以及實體指向數(shù)據(jù)，依次執(zhí)行屬性融合和同屬性句段聚合，生成所述句段屬性元素；其中，所述實體指向數(shù)據(jù)表征所述文本句段數(shù)據(jù)與所述實體間的關聯(lián)關系。

作為本發(fā)明一實施方式的進一步改進，所述方法具體包括：根據(jù)所述初級屬性數(shù)據(jù)之間的相似度，對所述初級屬性數(shù)據(jù)執(zhí)行屬性融合，重新確定對應于不同文本句段數(shù)據(jù)的多組句段屬性數(shù)據(jù)，并根據(jù)所述句段屬性數(shù)據(jù)，對句段屬性數(shù)據(jù)相同的多組文本句段數(shù)據(jù)執(zhí)行同屬性句段聚合，重新確定對應于不同文本句段數(shù)據(jù)的多組實體指向數(shù)據(jù)；根據(jù)所述實體指向數(shù)據(jù)、所述句段屬性數(shù)據(jù)以及所述文本句段數(shù)據(jù)，生成所述句段屬性元素。