[发明专利]一种基于知识图谱的保险自动问答方法及问答系统

权利要求书

1.一种基于知识图谱的保险自动问答方法，其应用于保险自动问答系统，其中步骤依次包括：

步骤S1：首先利用爬虫技术采集保险产品的相关信息；

步骤S2：对保险实体关系的数据进行标注；

步骤S3：利用预训练的词向量文件构建embedding矩阵；

步骤S4：制定实体对齐方法基于I-SPRS相似度；

步骤S5：问句理解模型构建；

步骤S6：最后答案生成。

2.根据权利要求1所述的基于知识图谱的保险自动问答方法，其特征在于：所述步骤S1具体包括如下内容：利用爬虫技术从中国平安保险、沃保险、OpenKG和向日葵保险网站采集保险产品的相关信息，保险产品的相关信息包括：保险产品名称、保险产品适用人群性别、保险产品适用人群年龄、保险产品价格、保险产品保障范围、保险产品保障期限和保险产品销售范围。

3.根据权利要求1所述的基于知识图谱的保险自动问答方法，其特征在于：所述步骤S2具体包括如下内容：保险实体关系的数据标注，使用最常用的BIOES标注规范，实体位置信息主要由三部分组成：{B(实体开始)，I(实体内部)，E(实体结尾)，S(单个实体)}；实体关系类型信息：{由预先定义的关系类型进行编码}；实体的关系方向：{1(实体1)，2(实体2)}；其余实体关系不是三元组内的字标签记为“o”；Name-Alias为别名关系，记为NA；Disease-contain代表重疾-包含，记为DC；Disease-belong表示疾病-属于关系，记为DB，采用实体与关系共同标注策略，把知识抽取转为序列标注问题，关系标注类型包括24类，分别是：B-NA-1、I-NA-1、E-NA-1、S-NA-1、B-NA-2、I-NA-2、E-NA-2、S-NA-2、B-DC-1、I-DC-1、E-DC-1、S-DC-1、B-DC-2、I-DC-2、E-DC-2、S-DC-2、B-DB-1、I-DB-1、E-DB-1、S-DB-1、B-DC-2、I-DC-2、E-DC-2、S-DC-2。

4.根据权利要求1所述的基于知识图谱的保险自动问答方法，其特征在于：所述步骤S3具体包括如下内容：利用实体关系联合抽取模型图，采用腾讯开源高质量中文词向量数据包含800多万中文词汇，用预训练的词向量文件构建embedding矩阵，通过e(x_i)运算和输入层的字符做index嵌入，将每个输入字符映射到低维稠密的向量表示，每个词代表200维向量，表示字在不同维度上的语义信息。

5.根据权利要求1所述的基于知识图谱的保险自动问答方法，其特征在于：还包括步骤S7：设置数据增强方案；所述数据增强方案包括：采用停用词规则即省区不重要的词语部分。

6.根据权利要求1所述的基于知识图谱的保险自动问答方法，其特征在于：还包括步骤S7：设置数据增强方案；所述数据增强方案包括：采用同义词规则即替换词语保证同义。

7.根据权利要求4所述的基于知识图谱的保险自动问答方法，其特征在于：利用实体关系联合抽取模型图的步骤还包括如下内容：

Bi-LSTM layer是利用长短忘记网络特性来提取特征，第一步是把生成每个字符的向量表示序列作为Bi-LSTM的输入，第二步是将Bi-LSTM在各时间位置进行拼接，得到一个完整的序列；第三步是将Bi-LSTM每个时间序列上输出的多个概率值，通过softmax分类预测，因为softmax只考虑当前的信息，忽略了上下文；第四步，用CRF进行句子级别的序列标注，CRF的特点是在一个位置上标注时，利用之前标注过的标签，窗口大小的不同决定了逻辑关系；会加入限制标签，排除出现无效情况。

8.根据权利要求1所述的基于知识图谱的保险自动问答方法，其特征在于：所述提取特征还包括如下步骤：将所述Bi-LSTM每个时间序列上输出的多个概率值，通过softmax分类预测。

9.一种保险自动问答系统，其特征在于，步骤依次包括：

输入模块：用于接收用户保险问句；

问句实体识别模块：用于建议模型和匹配实体连接；

保险知识图谱模块：用于分析问句，实现保险自动问答功能；

问句关系预测模块：用于抽取问句的特征；

查询模块：问句的特征对传统数据库进行查询；

输出模块：用于回答用户提出的问题。