[发明专利]一种知识图谱问答方法、终端设备及存储介质

说明书

本发明涉及一种知识图谱问答方法、终端设备及存储介质，该方法中包括：根据知识图谱中的实体、关系和属性的名称构建词库；基于词库对问句进行实体、关系和属性进行识别；对问句进行句法分析；判断问句是否属于单跳类型，如果是，采用模板匹配方式获取问句对应的查询语句；否则，采用子图匹配方式获取问句对应的查询语句；基于查询语句从知识图谱中进行查询。本发明通过对问句类型进行区分，对简单问句沿用模板匹配的方式，而对复杂问句采用子图匹配的方式来获取查询语句，在保证简单问题准确回答的基础上，又能支持多跳、推理等复杂类型问题的答案检索，能显著提升知识图谱问答能力。

技术领域

本发明涉及知识图谱技术领域，尤其涉及一种知识图谱问答方法、终端设备及存储介质。

背景技术

基于知识图谱的问答(Knowledge Graph Question Answering，KGQA)是自然语言处理领域的研究方向。知识图谱是知识的结构化表示，由三元组(主语，谓词，宾语)构成，表示实体和实体间存在的语义关系，例如：厦门市花是三角梅，可以表示为：(厦门，市花，三角梅)。通过把非结构化、半结构化和结构化的数据抽取出来组成一种基于图的数据格式，由点和边组成一个庞大的关系网络图，这大大的优化了搜索性能。

知识图谱问答可以解决传统搜索的问题。同时，结合自然语言处理技术，通过近似匹配、语义理解、关系判断等，在数据库中检索出相似度最高的数据。知识图谱问答主要任务是给定自然语言问题，理解问题中包含的实体、语义关系和逻辑组合，到知识图谱中检索并返回答案。

现有的知识图谱问答产品通过模板匹配的方式组装查询语句，对单实体单属性、单实体多属性、多实体单属性、多实体多属性等简单问句查询的准确率高、效果较好，目前在装备图谱测试准确率90％以上，但模板生成需要较专业的语言学知识且可扩展性不强，问句泛化能力弱，对于复杂问句类型穷举难，尤其对于条件约束、时间约束多跳问句或者最值、比较、是否、并列推理复杂类型问句兼容不够难以返回准确答案，难以满足用户的需求。

发明内容

为了解决上述问题，本发明提出了一种知识图谱问答方法、终端设备及存储介质。

具体方案如下：

一种知识图谱问答方法，包括以下步骤：

S1：根据知识图谱中的实体、关系和属性的名称构建词库；

S2：基于词库对问句进行实体、关系和属性进行识别；

S3：对问句进行句法分析；

S4：判断问句是否属于单跳类型，如果是，采用模板匹配方式获取问句对应的查询语句；否则，采用子图匹配方式获取问句对应的查询语句；

S5：基于查询语句从知识图谱中进行查询。

进一步的，步骤S1中还包括对知识图谱中的实体、关系和属性的名称进行同义词生成操作，基于原词和同义词共同构建词库。

进一步的，基于词库对问句进行实体进行识别的过程包括：通过命名实体识别模型对问句中的实体进行识别；通过实体链接从词库中提取识别到的实体在知识图谱中对应的实体名称。

进一步的，基于词库对问句进行关系和属性进行识别的过程包括：基于词库中的关系和属性的名称对问句的关系和属性进行查找。

进一步的，单跳类型的问句包括单实体单属性单跳类型和单实体多属性单跳类型。

进一步的，采用子图匹配方式获取问句对应的查询语句的过程包括：基于句法分析结果获取问句的所有查询子图，将各查询子图分别与知识图谱进行匹配，根据匹配程度对所有查询子图进行排序，将排序最高的查询子图作为问句对应的查询语句。

进一步的，基于句法分析结果获取问句的所有查询子图的过程包括：