[发明专利]基于知识图谱的自然语言问答方法及装置

说明书

本申请公开了一种基于知识图谱的自然语言问答方法及装置。该方法获取输入的自然查询语句中的至少一个实体指称文本和实体指称文本间的至少一个关系指称文本分别在预设知识图谱中对应的实体名称和关系路径名称后，根据至少一个实体名称和至少一个关系路径名称，获取自然查询语句对应的关系图，并查询获取的关系图，得到自然查询语句的问答结果。该方法基于知识图谱，构建与自然查询语句对应的关系图，且对自然查询语句中句法关系的依赖程度大幅度降低，提高了构建关系图的准确率，从而提高问答的正确率与自然语言的泛化能力。

技术领域

本申请涉及自然语言处理技术领域，尤其涉及一种基于知识图谱的自然语言问答方法及装置。

背景技术

在人工智能技术与应用大规模涌现的背景下，知识图谱数据大量涌现，为推动人工智能技术发展提供了强大驱动力。如何充分利用知识图谱的大规模高质量结构化数据是许多人工智能应用研究的重点。基于知识图谱的问答技术可以用知识图谱中的知识回答以自然语言形式提出的问题，可用于智能客服、经常问到的问题FAQ等场景。如何将自然语言问题转换成知识图谱查询语言，并通过查询图谱回答问题是知识图谱问答任务的研究重点，对于智能问答和知识图谱应用都是至关重要的技术。

现有知识图谱问答方法可以包括以下三种方式：

方式一，基于规则的问答，通过编写模板，将能够由模板匹配的自然语言问题转换成相应的知识图谱查询语言；

方式二，基于语义解析的问答，大多数方法构建自然语言的句法树，通过分析句法树转换知识图谱查询语言；

方式三，基于端到端的问答，构建复杂的深度学习模型，通过模型将自然语言问题转换成知识图谱查询语言或比较自然语言问题与知识图谱中知识的相似度。

然而，对于基于规则的问答方式，该方式需要消耗大量的人力编写模板，且由于难以靠人力穷举所有可能的问答模板，此类方法通常只能回答少量的问题句式，且泛化能力差；

对于基于语义解析的问答方式，由于该方式需要通过句法树构建查询语句，对句法分析的依赖度较高，由于自然语言自身的复杂性，句法分析在表述稍复杂的句子上就会出现错误，基于错误的句法树很大可能会构建错误的查询语句，因而无法得到正确答案，导致问答的正确率较低；

对于基于端到端的问答方式，该方式中的深度学习模型由于需要大量的训练语料导致获取难度大，且目前相关技术研究基于深度学习模型的问答正确率较低。

发明内容

本申请实施例提供一种基于知识图谱的自然语言问答方法及装置，解决了现有技术存在的上述问题，提高了自然语言的泛化能力和问答的正确率。

第一方面，提供了一种基于知识图谱的自然语言问答方法，该方法可以包括：

获取输入的自然查询语句中的至少一个实体指称文本和实体指称文本间的至少一个关系指称文本；

在预设知识图谱中，根据所述至少一个实体指称文本和所述至少一个关系指称文本，获取所述自然查询语句对应的关系图，所述关系图用于描述所述自然查询语句对应的所述至少一个实体名称和所述至少一个关系路径名称间的关联关系；

查询获取的关系图，得到所述自然查询语句的问答结果。

在一个可选的实现中，在预设知识图谱中，根据所述至少一个实体指称文本和所述至少一个关系指称文本，获取所述自然查询语句对应的关系图，包括：

在预设知识图谱中，查找所述至少一个实体指称文本中每个实体指称文本对应的实体名称，以及所述至少一个关系指称文本中每个关系指称文本对应的关系路径名称；

根据所述至少一个实体名称和至少一个关系路径名称，获取所述自然查询语句对应的关系图。

在一个可选的实现中，查询获取的关系图，得到所述自然查询语句的问答结果，包括：