[发明专利]一种基于时序知识图谱的复杂问答查询方法和装置

说明书

本发明公开了一种基于时序知识图谱的复杂问答查询方法和装置，其中，该方法包括：获取时序问题并将时序问题输入训练好的问答系统模型；其中，问答系统模型包括：时序知识嵌入模型、嵌入提取模型、时间变化模型和答案评分模型；利用时序知识嵌入模型获取时序问题中的实体嵌入和时间嵌入，并利用嵌入提取模型获取时序问题的潜在嵌入；以及利用时间变化模型将时间嵌入变换到时序问题的目标时间下；使用答案评分模型对实体嵌入的实体和目标时间进行评分，并输出得分最高的实体或时间作为时序问题的答案。本发明将潜在的嵌入变换到问题的目标时间，能够提升复杂时序问题的处理能力，并简化复杂问题的处理过程。

技术领域

本发明涉及信息技术及数据业务技术领域，尤其涉及一种基于时序知识图谱的复杂问答查询方法和装置。

背景技术

时序知识图谱是带有时间属性的结构化事件的集合，可表示为四元组的集合 G＝{(s,r,o,t)}，其中s代表头实体，o代表尾实体，r代表关系，t代表时间，如(梅西，获奖，世界足球先生，2009年)。时序知识图谱可看作一个知识库，而基于时序知识图谱构建问答系统，可让人们更容易地获取所查询的知识，即以自然语言而无需撰写专业查询语句向问答系统提问。

目前主流的时序知识图谱问答方法主要有CRONKGQA、TEQUILA、EXAQT。其中，通过利用时序知识嵌入，CRONKGQA对简单问题达到了很高的准确率，但不能很好处理含有复杂时序关系的时序问题。TEQUILA将复杂时序问题分解为子问题进行多步解答，而 EXAQT在涉及多个实体与事件的子图上进行推理。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的目的在于提升复杂时序问题的处理能力，并简化复杂问题的处理过程。提出一种基于时序知识图谱的复杂问答查询方法，首先提取复杂问题中的潜在时间和实体的嵌入，然后利用与实体、关系、问题类型相关的神经网络，去推断问题中时间信息的变化，以便将潜在的嵌入变换到问题的目标时间，同时以处理简单问题的方式解决复杂问题，即使用时序图谱嵌入去回答简化后的查询，而不需要进行麻烦的多步查询或子问题分解。

本发明的另一个目的在于提出一种基于时序知识图谱的复杂问答查询装置。

为达上述目的，本发明一方面提出了基于时序知识图谱的复杂问答查询方法，包括以下步骤：

获取时序问题并将所述时序问题输入训练好的问答系统模型；其中，所述问答系统模型包括：时序知识嵌入模型、嵌入提取模型、时间变化模型和答案评分模型；利用所述时序知识嵌入模型获取所述时序问题中的实体嵌入和时间嵌入，并利用所述嵌入提取模型获取所述时序问题的潜在嵌入；以及，利用所述时间变化模型将所述时间嵌入变换到所述时序问题的目标时间下；使用所述答案评分模型对所述实体嵌入的实体和所述目标时间进行评分，并输出得分最高的实体或时间作为所述时序问题的答案。

本发明实施例的基于时序知识图谱的复杂问答查询方法，能够将潜在的嵌入变换到问题的目标时间，同时以处理简单问题的方式解决复杂问题，即使用时序图谱嵌入去回答简化后的查询，而不需要进行麻烦的多步查询或子问题分解。

另外，根据本发明上述实施例的基于时序知识图谱的复杂问答查询方法还可以具有以下附加的技术特征：

进一步地，对所述时序知识嵌入模型进行训练，包括：获取时序知识图谱并输入所述问答系统模型；使用TComplEx模型在所述时序知识图谱上训练，获得所述实体嵌入和时间嵌入；若所述TComplEx模型训练结果未达到第一预设指标，则调整所述时序知识嵌入模型超的参数，继续所述TComplEx模型在所述时序知识图谱上训练的步骤；若达到所述第一预设指标，则获取用于所述问答系统模型训练的时序问题样本。