[发明专利]一种用于对话系统的知识图谱生成方法

说明书

本申请实施例公开了用于生成问答系统的知识图谱的方法。该方法的一具体实施方式包括：初始化知识图谱，获取输入语句，确定与输入语句相对应的初始化知识图谱中的每个节点，确定每个节点的结构化特征和非结构化特征，利用置信度传播机制，确定所述初始化知识图谱中的各个节点的图嵌入特征，生成问答系统的知识图谱。该方法在生成知识图谱的过程中利用了问答系统中的结构化知识库信息和非结构化对话语句信息，能够更好的辅助模拟生成真实说话人在问答过程中的对话语句。

技术领域

本申请实施例涉及计算机技术领域，具体涉及计算机自然语言处理技术领域，尤其涉及用于生成问答系统知识图谱的方法。

背景技术

开放式的问答系统在开放的对话环境中，基于知识库，能够根据上一条对话语句学习当前输入语句的语句嵌入特征，从而输出目标语句。知识图谱是一种用图模型来描述知识和建模实体关系的知识表示方法。基于知识图谱的问答系统是指基于知识图谱解答问题的问答系统，通过将语义理解的结果映射到知识图谱后生成图嵌入特征，解答问题。知识图谱嵌入生成图嵌入特征的过程，是指将知识图谱中包括实体和关系的内容映射到连续向量空间，其中每个节点对应图嵌入特征。

知识图谱使用向量表达方式，利用数值计算方法提高问答系统中应用的计算效率。知识图谱中的向量表达方式可以有效利用当前流行的神经网络、深度学习等机器学习方法，因此能够增加问答系统设计的多样性。

现有用于问答系统的知识图谱能够捕捉对话的开放性特征，但由于缺少结构化的对话状态特征，不能直接应用于依赖结构化特征的知识交互的场景中。如果能够同时基于问答系统中的结构化特征和非结构化特征构建知识图谱，同时随着语句的不断输入，添加新的节点，传播上下文知识，更新知识图谱，则能够改进问答系统的对话效果。

发明内容

本申请实施例提出了用于生成问答系统的知识图谱的方法。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：基于对话样本库生成初始化知识图谱；获取输入语句；确定与所述输入语句相对应的所述初始化知识图谱中的每个节点，确定所述每个节点的结构化特征，以及，确定所述每个节点的非结构化特征；利用置信度传播机制，基于所确定的结构化特征和非结构化特征，确定所述初始化知识图谱中的各个节点的图嵌入特征，生成问答系统的知识图谱。

在一些实施例中，基于对话样本库生成初始化知识图谱，包括：基于所述对话样本库中的结构化知识库生成节点和边；基于所述对话样本库中的非结构化对话语句更新所述节点和边；其中，所述对话样本库包括了结构化知识库和非结构化对话语句，所述节点和边组成了初始化知识图谱。

在一些实施例中，基于对话样本库中的结构化知识库生成节点和边，包括：生成所述初始化知识图谱中的节点，所述节点包括：项目节点、属性节点和实体节点；生成所述初始化知识图谱中的边，其中，所述边表示不同节点之间的关系。

在一些实施例中，基于对话样本库中的非结构化对话语句更新所述节点和边，包括：如果所述对话样本库中的非结构化语句中包含未在所述初始化知识图谱中的节点，则增加新的节点，并且根据节点关系更新边。

在一些实施例中，确定所述每个节点的结构化特征，包括：确定所述每个节点出现次数的独热向量，其中，所述出现次数的独热向量表示所述每个节点在所述问答系统中所存储的全部语句中出现的次数；确定所述每个节点类型的独热向量，其中，所述类型的度热向量表示每个节点的类型；确定所述每个节点出现情况的独热向量，其中，所述出现情况的度热向量表示每个节点是否在所述输入语句中出现；串联所述出现次数、所述出现类型以及所述出现情况的独热向量，确定所述每个节点的结构化特征。

在一些实施例中，确定所述每个节点的非结构化特征，包括：基于所述输入语句，生成实体集；确定所述输入语句的语句嵌入特征；基于所述实体集和所述语句嵌入特征，确定所述每个节点的非结构化特征。