[发明专利]基于动态优化的图模型语义查询扩展方法和装置

说明书

本发明实施例公开了基于动态优化的图模型语义查询扩展方法和装置。该方法包括：根据用户的查询需求，构造初始查询图，初始查询图具有目标概念节点；获取待比较概念节点；目标概念节点和待比较概念节点均具有多个维度的描述信息；计算目标概念节点与待比较概念节点之间的第一语义相似度，当达到第一预设相似度，根据各维度的描述信息，分别计算各维度的第二语义相似度；当任一维度的第二语义相似度达到相应维度的第二预设相似度，将待比较概念节点的描述信息作为目标概念节点的扩展描述信息；在初始查询图上，基于目标概念节点在至少一个维度的扩展描述信息，生成扩展查询图。基于该方法和装置，可以实现基于图模型的语义查询的动态扩展。

技术领域

本发明实施例涉及语义信息检索技术领域，尤其涉及基于动态优化的图模型语义查询扩展方法、装置、电子设备和存储介质。

背景技术

传统的信息搜索通过用户提交的查询关键词进行查询，获得包含关键词的信息，由于搜索引擎和搜索过程缺乏语义的支持，难于获得不含关键词但和关键词语义相关的隐含信息。此外，由于认知及表述的不足，用户的查询需求往往是模糊、不明确的，需要从背景知识、搜索内容等相关语义层面对初始查询需求加以分析修正，以便获取合适的查询结果。

针对上述问题，通常采用语义查询扩展技术来解决。语义查询扩展是指将用户的初始查询词的同义词、近义词、层次关系等作为扩展词，组合成新的查询，最后搜索引擎对新查询进行处理，返回查询结果。特别的，在动态搜索场景中，系统通常会对一个初始查询进行改进，使用语义信息或约束条件对其进行修正和扩展，从而使初始请求更加精确，最终获取更全面、更准确的查询结果。例如，搜索数据库课程中的“关系模型”教学资源时，通过对“关系模型”的语义扩展，查询结果不仅包括该知识点的资源，也包括父类知识点“数据模型”，同类/同层次知识点“层次模型”、“网状模型”，子类知识点“字段”及其等价知识点“属性”等相关资源。

然而，对于高频率更新的数据，当前语义查询扩展方法还有较大的提升空间：1)现有的大多数研究缺乏支持动态数据搜索，难于及时优化和调整用户的查询需求，导致查询效果不佳；2)存在搜索语义歧义性大的问题，复杂语义的描述能力较低，通常需要耗费较高的成本对数据进行语义扩展后，才能提供有效的语义查询；3)目前存在大量采用图模型描述的数据，然而针对图模型的语义查询扩展方法较繁琐，扩展查询图的构造成本较高。

发明内容

本发明实施例的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。

本发明实施例提供了基于动态优化的图模型语义查询扩展方法、装置、电子设备和存储介质，其可以实现基于图模型的语义查询的动态扩展，提高查询效率以及查询结果的准确度。

第一方面，提供了一种基于动态优化的图模型语义查询扩展方法，包括：

根据用户的查询需求，构造初始查询图，其中，所述初始查询图具有目标概念节点；

从已建立的知识库中获取待比较概念节点；其中，所述目标概念节点和所述待比较概念节点均具有多个维度的描述信息；

计算所述目标概念节点与所述待比较概念节点之间的第一语义相似度；

当所述第一语义相似度达到第一预设相似度，根据所述目标概念节点和所述待比较概念节点的各维度的描述信息，分别计算所述目标概念节点与所述待比较概念节点之间各维度的第二语义相似度；

当任一维度的第二语义相似度达到相应维度的第二预设相似度，将所述待比较概念节点在相应维度的描述信息作为所述目标概念节点在相应维度的扩展描述信息；

在所述初始查询图上，基于所述目标概念节点在至少一个维度的扩展描述信息，生成扩展查询图。

可选地，所述多个维度的描述信息包括节点名称维度、属性维度、属性值维度和/或属性-属性值对维度的描述信息。

可选地，各维度的描述信息由词语表示；