[发明专利]知识库构建方法、装置、电子设备和介质

权利要求书

1.一种知识库构建方法，其特征在于，包括：

从目标领域的网页中提取候选问题；

根据所述候选问题，将所述网页划分为网页内容块；

从所述网页内容块中，确定所述候选问题的候选答案，以得到候选问答对；

根据所述候选问题和/或所述候选答案，对所述候选问答对进行过滤，并根据过滤结果构建所述目标领域的知识库；

其中，所述根据所述候选问题，将所述网页划分为网页内容块，包括：

将任一候选问题作为界限，将该候选问题前的网页内容以及该候选问题后的网页内容，划分成不同的网页内容块；

所述根据所述候选答案，对所述候选问答对进行过滤，包括：

基于行块分布函数，提取所述候选答案的特征；

根据所述候选答案的特征，对所述候选问答对进行过滤；

所述根据所述候选问题，对所述候选问答对进行过滤，包括：

基于知识增强语言表示模型，确定所述候选问题的质量；

根据所述候选问题的质量，对所述候选问答对进行过滤；

或者，将所述候选问题作为主题分类模型的输入，以确定候选问题的主题；

滤除主题不属于所述目标领域的候选问题，并且滤除该候选问题所属的候选问答对。

2.根据权利要求1所述的方法，其特征在于，从目标领域的网页中提取候选问题，包括：

获取目标领域的网页，并确定所述网页中段落的主旨句和/或标题，以将所述主旨句和/或标题作为所述候选问题。

3.根据权利要求1所述的方法，其特征在于，从所述网页内容块中，确定所述候选问题的候选答案，包括：

从所述网页内容块中提取关键内容，并将所述关键内容作为所述候选问题的候选答案。

4.根据权利要求1所述的方法，其特征在于，所述主题分类模型的网络结构依次包括输入层、嵌入表示层、长短期记忆网络层、多头注意力层和输出层。

5.根据权利要求1所述的方法，其特征在于，对所述候选问答对进行过滤之后，还包括：

对剩余的候选问题进行意图识别，并根据所述剩余的候选问题的主题和确定的意图，对所述剩余的候选问题进行归一化。

6.一种知识库构建装置，其特征在于，包括：

候选问题提取模块，用于从目标领域的网页中提取候选问题；

网页内容块划分模块，用于根据所述候选问题，将所述网页划分为网页内容块；

候选问答对获取模块，用于从所述网页内容块中，确定所述候选问题的候选答案，以得到候选问答对；

知识库构建模块，用于根据所述候选问题和/或所述候选答案，对所述候选问答对进行过滤，并根据过滤结果构建所述目标领域的知识库；

其中，所述网页内容块划分模块，具体用于：

将任一候选问题作为界限，将该候选问题前的网页内容以及该候选问题后的网页内容，划分成不同的网页内容块；

所述知识库构建模块，具体用于：

基于行块分布函数，提取所述候选答案的特征；

根据所述候选答案的特征，对所述候选问答对进行过滤；

所述知识库构建模块，具体还用于：

基于知识增强语言表示模型，确定所述候选问题的质量；

根据所述候选问题的质量，对所述候选问答对进行过滤；

或者，将所述候选问题作为主题分类模型的输入，以确定候选问题的主题；

滤除主题不属于所述目标领域的候选问题，并且滤除该候选问题所属的候选问答对。

7.根据权利要求6所述的装置，其特征在于，所述候选问题提取模块，具体用于：

获取目标领域的网页，并确定所述网页中段落的主旨句和/或标题，以将所述主旨句和/或标题作为所述候选问题。

8.根据权利要求6所述的装置，其特征在于，所述候选问答对获取模块，具体用于：

从所述网页内容块中提取关键内容，并将所述关键内容作为所述候选问题的候选答案。