[发明专利]基于知识图谱的问答方法、系统、设备及存储介质

说明书

本发明公开了基于知识图谱的问答方法、系统、设备及存储介质，该方法包括：接收用户输入的提问语句，对提问语句进行分词提取，得到提问信息；若判定提问信息中的之一信息与知识图谱中任一参照三元组信息中的之一信息对应匹配，则将参照三元组信息添加到预设的注意力栈；根据注意力栈中的参照三元组信息以及提问信息，组装查询语句；采用查询语句查询知识图谱，得到提问答案，并向用户返回提问答案。本发明能够根据用户的提问语句返回给用户提问答案，并且能够使得多轮问答的准确性更高。

技术领域

本发明涉及知识图谱技术领域，尤其涉及一种基于知识图谱的问答方法、系统、设备及存储介质。

背景技术

知识图谱技术是以结构化的形式描述客观世界中的概念实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织，管理和理解互联网海量信息的能力。知识图谱关系概念，实体及其关系，其中实体是客观世界中的事物，概念是对具有相同属性的事物的概括和抽象。知识图谱通常使用三元组的形式来表示，即G＝(E，R，S)，其中E＝{e1，e2，e3，…，en}是知识库中的实体集合，共包含|E|种不同的实体；R＝{r1，r2，…，rn}是知识库中的关系集合，共包含|R|种不同关系；代表知识库中的三元组集合。知识图谱与大数据和深度学习一起，成为互联网和人工智能发展的核心驱动力之一。

Natural Language Understanding俗称人机对话，是人工智能的分支学科。研究用计算机模拟人的语言交际过程，使计算机能理解和运用人类社会的自然语言如汉语、英语等，实现人机之间的自然语言通信，以代替人的部分脑力劳动，包括查询资料、解答问题、摘录文献、汇编资料以及一切有关自然语言信息的加工处理工作。使用知识图谱技术和自然语言理解相结合开发的智能问答机器人，在很多领域都得到广泛的应用，例如天猫客服，商场机器导购等。

目前，以知识图谱和自然语言理解技术为基础构建的面向任务的多轮对话系统，一般是为了解决某一领域的问题，例如某项技术或者某项服务、产品的咨询。在对话的过程中，提问者通常按照日常对话的习惯进行提问，经历几次对话后经常会提出一些缩略的问法，使用一些指代词，甚至会经常省略指代词，系统这时候需要知道用户的意图是什么。例如一次多轮的对话中，提到了三种领域内的实体，A实体具有属性A1、A2，B实体具有属性B1、B2、B3，C实体具有属性C1、C2，对话的过程已经完成了三轮，接下来用户的第四轮对话语句中，用户没有提到前面三个实体本身的相关词汇，但是第四轮对话解析为很简单的谓语词汇，和A实体的谓语关系指向属性A1相关，这时候需要把A实体的A1属性的反馈给提问者。如果多轮对话不能解决注意力管理的问题，这时候系统就不知道当前第四轮对话用户的关注点是A实体的A1属性。例如一些智能客服机器人因为不知道用户的缩略问法(仅有谓语或者主语的情况)指向什么，经常无法给用户正确的答案，回答会让用户摸不着头脑或者把一堆问题罗列出来让用户重新选择输入。可见，目前以知识图谱和自然语言理解技术为基础构建的面向任务的多轮对话系统，无法根据用户的缩略问法给出用户正确的答案，使得用户的人机交互体验感较差。

发明内容

本申请实施例通过提供一种基于知识图谱的问答方法、系统、设备及存储介质，旨在解决目前以知识图谱和自然语言理解技术为基础构建的面向任务的多轮对话系统，无法根据用户的缩略问法给出用户正确的答案的问题。

本申请实施例提供了一种基于知识图谱的问答方法，所述基于知识图谱的问答方法，包括：

接收用户输入的提问语句，对所述提问语句进行分词提取，得到提问信息；所述提问信息包括实体和实体关系；

若判定所述提问信息中的之一信息与知识图谱中任一参照三元组信息中的之一信息对应匹配，则将所述参照三元组信息添加到预设的注意力栈；所述三元组信息包括第一参照实体、参照实体关系和第二参照实体；

根据所述注意力栈中的参照三元组信息以及所述提问信息，组装查询语句；

采用所述查询语句查询所述知识图谱，得到提问答案，并向用户返回所述提问答案。