CN107451240A - 一种基于交互的知识图谱问答q/a系统检索提升方法和装置 - Google Patents

一种基于交互的知识图谱问答q/a系统检索提升方法和装置 Download PDF

Info

Publication number
CN107451240A
CN107451240A CN201710620427.5A CN201710620427A CN107451240A CN 107451240 A CN107451240 A CN 107451240A CN 201710620427 A CN201710620427 A CN 201710620427A CN 107451240 A CN107451240 A CN 107451240A
Authority
CN
China
Prior art keywords
bgp
figures
answer
modification
group object
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710620427.5A
Other languages
English (en)
Other versions
CN107451240B (zh
Inventor
张欣勃
邹磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University
Original Assignee
Peking University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking University filed Critical Peking University
Priority to CN201710620427.5A priority Critical patent/CN107451240B/zh
Publication of CN107451240A publication Critical patent/CN107451240A/zh
Application granted granted Critical
Publication of CN107451240B publication Critical patent/CN107451240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本公开是关于一种基于交互的知识图谱问答Q/A系统检索提升方法和装置，属于软件技术领域。所述方法包括：通过Q/A系统将用户输入的目标问题映射成BGP图，基于BGP图生成并展示回答信息；获取用户针对回答信息输入的正确答案；确定与正确答案相应的答案图，其中，答案图由以正确答案为主体，向外围扩展的预设数量以内的边涉及的多个三元组实体所构成，边为三元组实体包含的边；基于多种预设的修改方式，分别对BGP图进行预定次数内的修改，得到多个修改BGP图；在多个修改BGP图中确定与答案图相匹配的目标修改BGP图，基于目标修改BGP图，对目标问题包含的短语在映射词典中对应的三元组实体进行修改，其中，映射词典用于存储短语与三元组实体的对应关系。

Description

一种基于交互的知识图谱问答Q/A系统检索提升方法和装置
技术领域
本公开是关于软件技术领域，尤其是关于一种基于交互的知识图谱问答Q/A系统检索提升方法和装置。
背景技术
在当前的网络信息时代，人们的生活离不开在万维网上的搜索和查找。随着网络信息规模的爆发式增长，大量冗余、重复、不可信、不相关的网络信息难以满足用户的需求，于是具有完整知识体系的“知识库”应运而生。用户可以顺应着人类自然语言的问答习惯，在“知识库”中的知识图谱Q/A(Question/Answering，问/答)系统中“问出”自己需要的信息。例如，用户输入问题“Which actress was born in countries in Europe(有哪些女演员出生在欧洲)？”，Q/A系统可以将上述问题映射到Q/A系统可以识别的三元组实体，针对三元组实体在“知识库”中查找并返回对应问题的信息如“Elizabeth Taylor(伊丽莎白〃泰勒)”。
“知识库”的底层数据结构为RDF(Resource Description Framework，资源描述框架)，一系列的RDF数据的集合为RDF数据集，RDF数据集就构成了“知识库”。一个RDF数据可以视作为一条三元组实体，任一三元组实体可以由主体、谓词和客体构成，以“<主体，谓词，客体>”的形式表示主体和客体之间的关系，或任一三元组实体可以由主体、属性、属性值构成，以“<主体，属性，属性值>”的形式表示主体的属性值。如表1所示，展示了一些关于好莱坞女演员的三元组实体。
表1
如果将三元组实体作为点和边，可以将主体作为出顶点、客体作为入顶点、谓词作为边。自然地，三元组实体就可以被表示成一张有向线段。大量的三元组实体之间是共享主体或客体的，如果将共享主体或客体的三元组实体连接在一起，就可以构成一张数据网。如图1所示，结合着表1中的好莱坞女演员的三元组实体示例，给出了与表1相对应的数据网。
Q/A系统中存在一个映射词典，在该词典中，可以将用户输入的问题切分成多个短语，分别将各短语映射成对应的三元组实体，则用户输入的问题可以映射成多个三元组实体，最终多个三元组实体可以构成一张BGP(Basic Graph Pattern，基本图模式)图。如图2所示，是针对问题“Which actress was born in countries in Europe？”生成的BGP图。在图2中，带有“？”的主体或客体如“？actress”被设置为了变量。在RDF数据集中找到“Whichactress was born in countries in Europe？”对应的信息的过程，实际上就是将图2在图1中进行子图匹配的过程。
以上介绍了Q/A系统如何在“知识库”中寻找用户输入的问题所对应的信息。然而，在相关技术中，Q/A系统和“知识库”自身存在许多不完善的问题如：短语链接错误、关系转化错误以及结构不当错误。
首先，短语链接错误是由于Q/A系统不能准确了解用户输入的问题的用意而将短语映射错误所造成的。例如，对于“Which actress was born in countries in Europe？”，Q/A系统可能会将短语“countries in Europe”映射成<Country>，而非<EuropeanCountry>。我们知道只有Q/A系统可以将短语“countries in Europe”映射成<EuropeanCountry>，才能找到与“Which actress was born in countries in Europe？”对应的正确的信息。而将短语“countries in Europe”映射成<Country>，Q/A系统认为用户在问“Which actresswas born in countries？”，那么查找后得到的信息必然不是用户真正想要的。
其次，关系转化错误体现在对于谓词的定位过程中。例如，对于“Which actresswas born in countries in Europe？”，由于存在一条错误的映射关系记录，Q/A系统可能会将短语“be born in”映射成为<deathPlace>，而非<birthPlace>。那么由此查找后得到的信息必然不是正确的。
再次，结构不当错误常发生在某一三元组实体有更高层的类别归属或某一三元组实体有更为具体的细分的情况下。例如，对于“Which actress was born in countries inEurope？”，Q/A系统可能会将该问题映射成<？actress，birthPlace，？EuropeanCountry>。在上述情况下，Q/A系统只会去查找与<EuropeanCountry>相关的三元组实体，而忽略在<EuropeanCountry>下还会有城市与国家的映射关系。对于“Which actress was born incountries in Europe？”较为正确的映射方式应该是，将“Which actress was born incountries in Europe？”映射成<？actress，birthPlace，？EuropeanCountry>、<？actress，birthPlace，？city>和<？city，country，？EuropeanCountry>。这样，Q/A系统不仅会查找出生在欧洲国家的女演员都有哪些，还会查找欧洲国家都有哪些城市，都有哪些女演员在这些城市中出生。显然，除了查找出生在欧洲国家的女演员都有哪些之外，还查找欧洲国家都有哪些城市，都有哪些女演员在这些城市中出生，得到的信息更加全面。
虽然通过上述分析知道了在Q/A系统中存在的问题，即用户所输入的问题到三元组实体之间的不完善映射。然而在相关技术中，并未提供关于Q/A系统如何自动去修正这些问题的方法，也未提供如何使得修正后的Q/A系统，后续能为用户提供越来越准确的信息的方法。
发明内容
为了克服相关技术中存在的问题，本公开提供了以下技术方案：
根据本公开实施例的第一方面，提供一种基于交互的知识图谱问答Q/A系统检索提升方法，所述方法包括：
通过Q/A系统将用户输入的目标问题映射成BGP图，基于所述BGP图生成并展示回答信息；
获取用户针对所述回答信息输入的正确答案；
确定与所述正确答案相应的答案图，其中，所述答案图由以所述正确答案为主体，向外围扩展的预设数量以内的边涉及的多个三元组实体所构成，所述边为三元组实体包含的边；
基于多种预设的修改方式，分别对所述BGP图进行预定次数内的修改，得到多个修改BGP图；
在所述多个修改BGP图中确定与所述答案图相匹配的目标修改BGP图，基于所述目标修改BGP图，对所述目标问题包含的短语在映射词典中对应的三元组实体进行修改，其中，所述映射词典用于存储短语与三元组实体的对应关系。
可选地，所述正确答案包括用户指出的所述回答信息中的正确答案和/或用户在所述回答信息之外补充的正确答案。
可选地，所述多种预设的修改方式包括：语义泛化、语义去除以及语义扩展方式；
其中，所述语义泛化方式为将所述BGP图中任一三元组实体中的边改为可以匹配所述答案图中任一三元组实体中的边；
所述语义去除方式为将所述BGP图中任一三元组实体中的边删除；
所述语义扩展方式为将所述BGP图中任一三元组实体中的边扩展成任意两条边和一个点。
可选地，所述方法还包括：
对所述多个修改BGP图进行压缩，得到多个压缩修改BGP图；
对所述答案图进行压缩，得到压缩答案图；
所述在所述多个修改BGP图中确定与所述答案图相匹配的目标修改BGP图，包括：
在所述多个压缩修改BGP图中确定与所述压缩答案图相匹配的目标压缩修改BGP图；
将所述目标压缩修改BGP图恢复成所述目标修改BGP图。
可选地，对所述多个修改BGP图进行压缩，包括：
删除所述BGP图中的三元组实体中的点；
对所述答案图进行压缩，包括：
删除所述答案图中的三元组实体中的点。
根据本公开实施例的第二方面，提供一种基于交互的知识图谱问答Q/A系统检索提升装置，所述装置包括：
映射模块，用于通过Q/A系统将用户输入的目标问题映射成基本图模式BGP图，基于所述BGP图生成并展示回答信息；
获取模块，用于获取用户针对所述回答信息输入的正确答案；
确定模块，用于确定与所述正确答案相应的答案图，其中，所述答案图由以所述正确答案为主体，向外围扩展的预设数量以内的边涉及的多个三元组实体所构成，所述边为三元组实体包含的边；
第一修改模块，用于基于多种预设的修改方式，分别对所述BGP图进行预定次数内的修改，得到多个修改BGP图；
第二修改模块，用于在所述多个修改BGP图中确定与所述答案图相匹配的目标修改BGP图，基于所述目标修改BGP图，对所述目标问题包含的短语在映射词典中对应的三元组实体进行修改，其中，所述映射词典用于存储短语与三元组实体的对应关系。
可选地，所述正确答案包括用户指出的所述回答信息中的正确答案和/或用户在所述回答信息之外补充的正确答案。
可选地，所述多种预设的修改方式包括：语义泛化、语义去除以及语义扩展方式；
其中，所述语义泛化方式为将所述BGP图中任一三元组实体中的边改为可以匹配所述答案图中任一三元组实体中的边；
所述语义去除方式为将所述BGP图中任一三元组实体中的边删除；
所述语义扩展方式为将所述BGP图中任一三元组实体中的边扩展成任意两条边和一个点。
可选地，所述装置还包括：
第一压缩模块，用于对所述多个修改BGP图进行压缩，得到多个压缩修改BGP图；
第二压缩模块，用于对所述答案图进行压缩，得到压缩答案图；
所述确定模块包括：
确定单元，用于在所述多个压缩修改BGP图中确定与所述压缩答案图相匹配的目标压缩修改BGP图；
恢复单元，用于将所述目标压缩修改BGP图恢复成所述目标修改BGP图。
可选地，所述第一压缩模块用于删除所述BGP图中的三元组实体中的点；
所述第二压缩模块用于删除所述答案图中的三元组实体中的点。
本公开的实施例提供的技术方案可以包括以下有益效果：
通过本公开提供的方法，获取用户针对回答信息输入的正确答案，从用户处可以得到一个针对回答信息的反馈。确定与正确答案相应的答案图，通过正确答案反推出可能引导到正确答案的BGP图。基于多种预设的修改方式，分别对BGP图进行预定次数内的修改，得到多个修改BGP图，将所有可能的修改BGP图的一一列举出来。在多个修改BGP图中确定与答案图相匹配的目标修改BGP图，基于目标修改BGP图，对目标问题包含的短语在映射词典中对应的三元组实体进行修改，在诸多修改BGP图中找出可以将查找结果引导到正确答案的BGP图。通过本公开提供的方法，使得在发现Q/A系统中出现问题时，可以及时找出问题所在，并及时更正问题，达到提升Q/A系统的目的。进而，在Q/A系统的相关使用中，避免甚至杜绝再次出现问题，提高用户体验。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。在附图中：
图1是根据一示例性实施例示出的RDF数据集示意图；
图2是根据一示例性实施例示出的目标问题映射到的BGP图的示意图；
图3是根据一示例性实施例示出的一种基于交互的知识图谱问答Q/A系统检索提升方法的流程图；
图4是根据一示例性实施例示出的目标问题映射到的BGP图的示意图；
图5是根据一示例性实施例示出的答案图的示意图；
图6是根据一示例性实施例示出的目标问题的压缩示意图；
图7是根据一示例性实施例示出的一种基于交互的知识图谱问答Q/A系统检索提升装置的结构示意图；
图8是根据一示例性实施例示出的一种终端的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本发明实施例提供了一种基于交互的知识图谱问答Q/A系统检索提升方法，该方法可以由终端实现。其中，终端可以是平板电脑、台式计算机、笔记本计算机等。终端可以包括处理器、存储器等部件。处理器，可以为CPU(Central Processing Unit，中央处理单元)等，可以用于确定与正确答案相应的答案图，基于多种预设的修改方式，分别对BGP图进行预定次数内的修改，得到多个修改BGP图，等处理。存储器，可以为RAM(Random AccessMemory，随机存取存储器)，Flash(闪存)等，可以用于存储接收到的数据、处理过程所需的数据、处理过程中生成的数据等，如映射词典中的数据、RDF数据集等。
终端还可以包括收发器、输入部件、显示部件、音频输出部件等。收发器，可以用于与服务器进行数据传输，收发器可以包括蓝牙部件、WiFi(Wireless-Fidelity，无线高保真技术)部件、天线、匹配电路、调制解调器等。输入部件可以是触摸屏、键盘、鼠标等。音频输出部件可以是音箱、耳机等。
终端中携带有Q/A系统。用户在使用终端的过程中，可以在Q/A系统中进行提问，以获取自己需要的信息。
本公开一示例性实施例提供了一种基于交互的知识图谱问答Q/A系统检索提升方法，如图3所示，该方法的处理流程可以包括如下的步骤：
步骤S310，通过Q/A系统将用户输入的目标问题映射成BGP图，基于BGP图生成并展示回答信息。
在实施中，可以通过映射词典将用户输入的目标问题切分成多个短语，然后分别查找多个短语对应的多个三元组实体，最后将多个三元组实体中的共同的主体相连接，组合成一个BGP图。例如，用户输入了“Which actress was born in countries inEurope？”，可以将该问句切分成“Which actress”、“was born in”、以及“countries inEurope？”三个短语。在映射词典中，“Which actress”对应的是<？actress，occupation，Actress>，“was born in”对应的是<？actress，deathPlace，？country>，“countries inEurope？”对应的是<？country，type，Country>。三元组实体中，带有“？”的主体为变量。在上述例子中，包含两个变量：“？actress”以及“？country”，“？country”为过程变量，而“？actress”为最后要求得的结果变量。将<？actress，deathPlace，？country>、<？country，type，Country>以及<？country，type，Country>组合成一个BGP图，就得到如图4所示的结果。
在Q/A系统将用户输入的目标问题映射成BGP图之后，可以将BGP图在RDF数据集构成的图中进行子图匹配，生成的回答信息如“Marilyn Monroe(玛丽莲〃梦露)”、“JudyGarland(朱迪〃嘉兰)”、“Lana Turner(拉娜〃特纳)”、“Audrey Hepburn(奥黛丽〃赫本)”、“Mariene Dietrich(玛琳〃黛德丽)”。
步骤S320，获取用户针对回答信息输入的正确答案。
在实施中，用户看过终端展示的回答信息之后，可以对回答信息进行反馈，可以在回答信息中挑出错误的回答信息，并指出回答信息中正确的回答信息。还可以为回答信息补充一些没有查找到的且用户认为是正确的信息。
可选地，正确答案包括用户指出的回答信息中的正确答案和/或用户在回答信息之外补充的正确答案。
例如，用户在回答信息中“Marilyn Monroe”、“Judy Garland”、“Lana Turner”、“Audrey Hepburn”、“Mariene Dietrich”指出，“Marilyn Monroe”、“Judy Garland”、“LanaTurner”为错误答案，“Audrey Hepburn”、“Mariene Dietrich”为正确答案，并补充了“EvaGreen(伊娃〃格林)”、“Elizabeth Taylor(伊丽莎白〃泰勒)”。因此，对于“Which actresswas born in countries in Europe？”的正确答案为“Audrey Hepburn”、“MarieneDietrich”、“Eva Green”、“Elizabeth Taylor”。
步骤S330，确定与所述正确答案相应的答案图，其中，所述答案图由以所述正确答案为主体，向外围扩展的预设数量以内的边涉及的多个三元组实体所构成，所述边为三元组实体包含的边。
在实施中，因为正确答案有时候不是一个主体，而是多个主体。因此，正确答案相应的是一个答案集。在本实施例中，只讨论答案集中的一个答案图，答案集中的其他答案图的操作方式与之类似，不再一一详细说明。
预定数量可以取依据实验来取值，在本实施例中优选数量为2。那么答案图由以正确答案为主体，向外围扩展的2条以内的边涉及的多个三元组实体所构成。例如，正确答案为“Elizabeth Taylor”，假如图1所示的图为RDF全集，则以正确答案为主体，向外围扩展的2条以内的边涉及的多个三元组实体所构成图如图5所示。其中，要说明的是，三元组实体中边是有方向的边，在本实施例中，只选取以正确答案为主体向外扩展的边，而不选取由外围指向以正确答案为主体的边。在图5中，可以看到与“Elizabeth Taylor”关系比较近的所有三元组实体。其中，以“Elizabeth Taylor”为主体，向外围扩展的2条以内的边分别为”birthPlace”、“type”；“birthPlace”、“capital Of”；“occupation”；“deathPlace”。
可选地，在实际应用中，以正确答案为主体的三元组实体的数量极为庞大，因此为了减轻后续匹配的难度，可以在步骤S330之后，对得到的答案图中的三元组实体中的边对应的谓词、属性进行筛选。具体地，首先，对于BGP图中的所有边对应的谓词、属性组成的原边集，找到与原边集关系较为相近的相似边集。可以通过transE(Translating Embedding)算法计算与原边集关系较为相近的相似边集。接着，将答案图中的边与相似边集中的边进行匹配，将不能与相似边集中的边匹配成功的答案图中的边删掉，只保留答案图中剩下的边。
步骤S340，基于多种预设的修改方式，分别对BGP图进行预定次数内的修改，得到多个修改BGP图。
可选地，多种预设的修改方式包括：语义泛化、语义去除以及语义扩展方式；其中，语义泛化方式为将BGP图中任一三元组实体中的边改为可以匹配答案图中任一三元组实体中的边；语义去除方式为将BGP图中任一三元组实体中的边删除；语义扩展方式为将BGP图中任一三元组实体中的边扩展成任意两条边和一个点。
在实施中，可以对BGP图基于多种预设的修改方式进行修改。在本实施例中提供了三种可选方式，可以对BGP图单独通过三种可选方式中的任意一种进行修改，可以将三种可选方式进行任意组合，通过组合后的方式对BGP图进行修改。
例如，对于“Which actress was born in countries in Europe？”，与其对应的三元组实体为<？actress，occupation，Actress>、<？actress，deathPlace，？country>、<？country，type，Country>。为了使得输入“Which actress was born in countries inEurope？”，能够得到“Elizabeth Taylor”的结果，在对其BGP图进行修改的过程中，必然会存在将<？actress，deathPlace，？country>通过语义泛化方式修改为<？actress，*，？country>，其中，“*”为通配符，表示“*”可以与任意谓词、属性匹配。还会存在通过语义去除方式将<？country，type，Country>删除。也会存在通过语义扩展方式将<？country，type，EuropeanCountry>扩展为<？city，country，？country>和<？country，type，EuropeanCountry>。通过后续实践，可以发现，在修改BGP图中存在多个无用的修改BGP图，即通过无用的修改BGP图查找不到我们想要的正确答案。而在修改BGP图中也存在如上述例子中的目标修改BGP图，这些目标修改BGP图可以引导查找到我们想要的正确答案。
步骤S350，在多个修改BGP图中确定与答案图相匹配的目标修改BGP图，基于目标修改BGP图，对目标问题包含的短语在映射词典中对应的三元组实体进行修改，其中，映射词典用于存储短语与三元组实体的对应关系。
在实施中，例如对于“Which actress was born in countries in Europe？”，在多个修改BGP图中，确定与答案图相匹配的目标修改BGP图为将<？actress，deathPlace，？country>修改为<？actress，*，EuropeanCountry>的图，以及将<？country，type，EuropeanCountry>扩展为<*，*，？country>和<？country，type，EuropeanCountry>的图。最后，确定与答案图相匹配的目标修改BGP图的通配符相对应的部分，将目标问题包含的短语在映射词典中对应的三元组实体修改为通配符对应的部分。最终得到的映射词典即为修正后的映射词典，如果下一次用户再输入包括目标问题包含的短语的问题，再次得到的回答信息就会依照修改后的三元组实体在RDF数据集中查找，这样再次查找的结果就会更加准确。
可选地，由于上述方案中预设的修改方式不止一种，且可以任意组合，因此修改BGP图的数量也是不小的，这给终端的运算过程增加了负担。因此可以基于上述修改方法，提出一种新的方法来确定修改映射词典中短语与三元组实体的对应关系。在这种方法中，要考虑正确答案不仅仅是一个答案。考虑对BGP图的任何一种可能的修改BGP图，即与BGP图的修改操作距离为i的第j种修改。由于我们希望找到一种修改操作距离尽可能小、而又能覆盖数量最多的正确答案的修改，因此，给出一种衡量标准Contributeij来计算某个修改BGP图对于能引导查找到正确答案的贡献程度，Contributeij的计算公式如公式1。
在公式1中，|R+ ij|表示修改操作距离为i的第j种修改BGP图Qcij可以匹配到正确答案的个数，修改操作距离为|Qcij-Qc|。
当尚未从修改BGP图中选中任何一个目标修改BGP图时，待匹配的正确答案的个数为|R+|，当选出某个修改BGP图Qcij作为目标修改BGP图时，待匹配的正确答案个数发生了变化，更新为|R+-R+ ij|，其中|R+ ij|为被目标修改BGP图Qcij匹配上的正确答案的个数，而下一步要选出的目标修改BGP图可以匹配上的正确答案个数一定小于或等于|R+-R+ ij|。随着修改BGP图的生成，公式1中分子的上界值越来越小。如果目标修改BGP图的确定过程是按照修改操作距离i越来越大的方向进行，那么随着目标修改BGP图的发现，公式1中分子的上界值越来越小，公式1中分母的越来越大。Contributeij的上界值越来越小，即每次确定一个目标修改BGP图时都会产生一个可能的边界值。
经过上述分析可以得到，如果按照修改操作距离增大的方向进行目标修改BGP图的挖掘，随着挖掘修改BGP图的数量层级逐渐增大，拥有k步修改操作距离的目标修改BGP图在Contributeij上有一个上界值Boundk，上界值Boundk为仍待匹配的正确答案个数与k的比值。
具体地，我们从BGP图出发，先考虑在1步修改操作距离下的所有可能修改方式共m1种，记为Qc11、Qc12、Qc13……Qc1m1，分别计算可能修改方式对于每一个Qcij的Contributeij，并计算第一次确定到目标修改BGP图时的上界值Bound1。Bound1的计算公式见公式2。
当第一次确定到目标修改BGP图时，所有除第一次确定到目标修改BGP图之外的目标修改BGP图的贡献值都小于Bound1时，计算Bound2。反之，当所有除第一次确定到目标修改BGP图之外的目标修改BGP图的贡献值大于或等于Bound1时，将修改BGP图Qc1j确定为目标修改BGP图Qc1j，并更新待匹配的正确答案的个数。即从总的正确答案个数里减去Qc1j可以覆盖到的正确答案的个数，最后计算Bound2。此时Bound2的计算公式如公式3所示。
接着开始进一步目标BGP图的挖掘，并将挖掘数量层级扩展到包含2步修改操作距离的修改BGP图。可以得到2步修改操作距离下的所有可能修改方式共m2种，记为Qc21、Qc22、Qc23……Qc2m2，将其与在1步修改操作距离下的剩余修改BGP图共同考虑进来，于是在2修改操作距离以内的可供挖掘的修改BGP图共有(m1+m2)个或(m1+m2-1)个，分别计算(m1+m2)个或(m1+m2-1)个修改BGP图的贡献值，并重复执行上述过程。注意到Boundi的值会随着i的增大而减小，因此给定一个阈值Y，当Boundi小于Y时，停止挖掘，在此之前已确定得到的目标修改BGP图即为所求。
通过上述方法，无需将每个修改BGP图都与答案图相匹配，随着挖掘数量层级的扩大，涉及匹配的修改BGP图会越多，但在Boundi达到阈值Y时，可以停止挖掘。
可选地，本实施例提供的方法还包括：对多个修改BGP图进行压缩，得到多个压缩修改BGP图；对答案图进行压缩，得到压缩答案图；在多个修改BGP图中确定与答案图相匹配的目标修改BGP图，包括：在多个压缩修改BGP图中确定与压缩答案图相匹配的目标压缩修改BGP图；将目标压缩修改BGP图恢复成目标修改BGP图。
可选地，对多个修改BGP图进行压缩的步骤包括：删除BGP图中的三元组实体中的点；对答案图进行压缩的步骤包括：删除答案图中的三元组实体中的点。
通过本公开上面的描述可知，实际上，在对BGP图进行修改的过程中，对于BGP图的操作都是比较关注于对三元组实体的边的操作而非对出顶点或者入顶点的操作。因此，可以对BGP图、修改BGP图以及答案图进行压缩。将其包括的三元组实体中的出顶点或者入顶点删除，只保留边。如图6所示，是一压缩后的BGP图的示意图。其中，只保留了边“occupation”、“deathPlace”、“type”。
然而，可选地，在多个压缩修改BGP图中确定与压缩答案图相匹配的目标压缩修改BGP图之后，还需要将目标压缩修改BGP图恢复成目标修改BGP图。
根据前述操作，根据一系列查找结果得到了对于变量表示的主体的一些恢复方案。可以将所有的方案中的点和边与以变量表示的主体相连接的点和边做一个对齐操作，即找到从以变量表示的主体相连接的点和边中找到相应的片段，使其匹配到查找得到的答案图，片段的所有路径都必须全部出现在答案图中。这样我们就利用答案图找到了以变量表示的主体相连接的点和边所组成的图的一个子图。最后通过图编辑距离的计算，找到查询图Q与该子图的最小的编辑距离，其对应关系就是映射词典中需要修改的短语与三元组实体的对应关系。
通过本公开提供的方法，获取用户针对回答信息输入的正确答案，从用户处可以得到一个针对回答信息的反馈。确定与正确答案相应的答案图，通过正确答案反推出可能引导到正确答案的BGP图。基于多种预设的修改方式，分别对BGP图进行预定次数内的修改，得到多个修改BGP图，将所有可能的修改BGP图的一一列举出来。在多个修改BGP图中确定与答案图相匹配的目标修改BGP图，基于目标修改BGP图，对目标问题包含的短语在映射词典中对应的三元组实体进行修改，在诸多修改BGP图中找出可以将查找结果引导到正确答案的BGP图。通过本公开提供的方法，使得在发现Q/A系统中出现问题时，可以及时找出问题所在，并及时更正问题，达到提升Q/A系统的目的。进而，在Q/A系统的相关使用中，避免甚至杜绝再次出现问题，提高用户体验。
本公开又一示例性实施例提供了一种基于交互的知识图谱问答Q/A系统检索提升装置，如图7所示，该装置包括：
映射模块710，用于通过Q/A系统将用户输入的目标问题映射成基本图模式BGP图，基于BGP图生成并展示回答信息；
获取模块720，用于获取用户针对回答信息输入的正确答案；
确定模块730，用于确定与正确答案相应的答案图，其中，答案图由以正确答案为主体，向外围扩展的预设数量以内的边涉及的多个三元组实体所构成，边为三元组实体包含的边；
第一修改模块740，用于基于多种预设的修改方式，分别对BGP图进行预定次数内的修改，得到多个修改BGP图；
第二修改模块750，用于在多个修改BGP图中确定与答案图相匹配的目标修改BGP图，基于目标修改BGP图，对目标问题包含的短语在映射词典中对应的三元组实体进行修改，其中，映射词典用于存储短语与三元组实体的对应关系。
可选地，正确答案包括用户指出的回答信息中的正确答案和/或用户在回答信息之外补充的正确答案。
可选地，多种预设的修改方式包括：语义泛化、语义去除以及语义扩展方式；
其中，语义泛化方式为将BGP图中任一三元组实体中的边改为可以匹配答案图中任一三元组实体中的边；
语义去除方式为将BGP图中任一三元组实体中的边删除；
语义扩展方式为将BGP图中任一三元组实体中的边扩展成任意两条边和一个点。
可选地，该装置还包括：
第一压缩模块，用于对多个修改BGP图进行压缩，得到多个压缩修改BGP图；
第二压缩模块，用于对答案图进行压缩，得到压缩答案图；
确定模块包括：
确定单元730，用于在多个压缩修改BGP图中确定与压缩答案图相匹配的目标压缩修改BGP图；
恢复单元，用于将目标压缩修改BGP图恢复成目标修改BGP图。
可选地，第一压缩模块用于删除BGP图中的三元组实体中的点；
第二压缩模块用于删除答案图中的三元组实体中的点。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
通过本公开提供的装置，获取用户针对回答信息输入的正确答案，从用户处可以得到一个针对回答信息的反馈。确定与正确答案相应的答案图，通过正确答案反推出可能引导到正确答案的BGP图。基于多种预设的修改方式，分别对BGP图进行预定次数内的修改，得到多个修改BGP图，将所有可能的修改BGP图的一一列举出来。在多个修改BGP图中确定与答案图相匹配的目标修改BGP图，基于目标修改BGP图，对目标问题包含的短语在映射词典中对应的三元组实体进行修改，在诸多修改BGP图中找出可以将查找结果引导到正确答案的BGP图。通过本公开提供的装置，使得在发现Q/A系统中出现问题时，可以及时找出问题所在，并及时更正问题。进而，在Q/A系统的相关使用中，避免甚至杜绝再次出现问题，提高用户体验。
需要说明的是：上述实施例提供的基于交互的知识图谱问答Q/A系统检索提升装置在提升Q/A系统时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将终端的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于交互的知识图谱问答Q/A系统检索提升装置与基于交互的知识图谱问答Q/A系统检索提升方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本公开再一示例性实施例示出了一种终端的结构示意图，该终端可以装载上述Q/A系统。
参照图8，终端800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制终端800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理部件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在终端800的操作。这些数据的示例包括用于在终端800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件806为终端800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为音频输出设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述终端800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当终端800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当音频输出设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为终端800提供各个方面的状态评估。例如，传感器组件814可以检测到终端800的打开/关闭状态，组件的相对定位，例如所述组件为终端800的显示器和小键盘，传感器组件814还可以检测终端800或终端800一个组件的位置改变，用户与终端800接触的存在或不存在，终端800方位或加速/减速和终端800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于终端800和其他设备之间有线或无线方式的通信。终端800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，终端800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器804，上述指令可由终端800的处理器820执行以完成上述方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本公开的又一实施例提供了一种计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行：
通过Q/A系统将用户输入的目标问题映射成BGP图，基于BGP图生成并展示回答信息；
获取用户针对回答信息输入的正确答案；
确定与正确答案相应的答案图，其中，答案图由以正确答案为主体，向外围扩展的预设数量以内的边涉及的多个三元组实体所构成，边为三元组实体包含的边；
基于多种预设的修改方式，分别对BGP图进行预定次数内的修改，得到多个修改BGP图；
在多个修改BGP图中确定与答案图相匹配的目标修改BGP图，基于目标修改BGP图，对目标问题包含的短语在映射词典中对应的三元组实体进行修改，其中，映射词典用于存储短语与三元组实体的对应关系。
可选地，正确答案包括用户指出的回答信息中的正确答案和/或用户在回答信息之外补充的正确答案。
可选地，多种预设的修改方式包括：语义泛化、语义去除以及语义扩展方式；
其中，语义泛化方式为将BGP图中任一三元组实体中的边改为可以匹配答案图中任一三元组实体中的边；
语义去除方式为将BGP图中任一三元组实体中的边删除；
语义扩展方式为将BGP图中任一三元组实体中的边扩展成任意两条边和一个点。
可选地，该方法还包括：
对多个修改BGP图进行压缩，得到多个压缩修改BGP图；
对答案图进行压缩，得到压缩答案图；
在多个修改BGP图中确定与答案图相匹配的目标修改BGP图，包括：
在多个压缩修改BGP图中确定与压缩答案图相匹配的目标压缩修改BGP图；
将目标压缩修改BGP图恢复成目标修改BGP图。
可选地，对多个修改BGP图进行压缩，包括：
删除BGP图中的三元组实体中的点；
对答案图进行压缩，包括：
删除答案图中的三元组实体中的点。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种基于交互的知识图谱问答Q/A系统检索提升方法，其特征在于，所述方法包括：
通过Q/A系统将用户输入的目标问题映射成基本图模式BGP图，基于所述BGP图生成并展示回答信息；
获取用户针对所述回答信息输入的正确答案；
确定与所述正确答案相应的答案图，其中，所述答案图由以所述正确答案为主体，向外围扩展的预设数量以内的边涉及的多个三元组实体所构成，所述边为三元组实体包含的边；
基于多种预设的修改方式，分别对所述BGP图进行预定次数内的修改，得到多个修改BGP图；
在所述多个修改BGP图中确定与所述答案图相匹配的目标修改BGP图，基于所述目标修改BGP图，对所述目标问题包含的短语在映射词典中对应的三元组实体进行修改，其中，所述映射词典用于存储短语与三元组实体的对应关系。
2.根据权利要求1所述的方法，其特征在于，所述正确答案包括用户指出的所述回答信息中的正确答案和/或用户在所述回答信息之外补充的正确答案。
3.根据权利要求1所述的方法，其特征在于，所述多种预设的修改方式包括：语义泛化、语义去除以及语义扩展方式；
其中，所述语义泛化方式为将所述BGP图中任一三元组实体中的边改为可以匹配所述答案图中任一三元组实体中的边；
所述语义去除方式为将所述BGP图中任一三元组实体中的边删除；
所述语义扩展方式为将所述BGP图中任一三元组实体中的边扩展成任意两条边和一个点。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述多个修改BGP图进行压缩，得到多个压缩修改BGP图；
对所述答案图进行压缩，得到压缩答案图；
所述在所述多个修改BGP图中确定与所述答案图相匹配的目标修改BGP图，包括：
在所述多个压缩修改BGP图中确定与所述压缩答案图相匹配的目标压缩修改BGP图；
将所述目标压缩修改BGP图恢复成所述目标修改BGP图。
5.根据权利要求4所述的方法，其特征在于，对所述多个修改BGP图进行压缩，包括：
删除所述BGP图中的三元组实体中的点；
对所述答案图进行压缩，包括：
删除所述答案图中的三元组实体中的点。
6.一种基于交互的知识图谱问答Q/A系统检索提升装置，其特征在于，所述装置包括：
映射模块，用于通过Q/A系统将用户输入的目标问题映射成基本图模式BGP图，基于所述BGP图生成并展示回答信息；
获取模块，用于获取用户针对所述回答信息输入的正确答案；
确定模块，用于确定与所述正确答案相应的答案图，其中，所述答案图由以所述正确答案为主体，向外围扩展的预设数量以内的边涉及的多个三元组实体所构成，所述边为三元组实体包含的边；
第一修改模块，用于基于多种预设的修改方式，分别对所述BGP图进行预定次数内的修改，得到多个修改BGP图；
第二修改模块，用于在所述多个修改BGP图中确定与所述答案图相匹配的目标修改BGP图，基于所述目标修改BGP图，对所述目标问题包含的短语在映射词典中对应的三元组实体进行修改，其中，所述映射词典用于存储短语与三元组实体的对应关系。
7.根据权利要求6所述的装置，其特征在于，所述正确答案包括用户指出的所述回答信息中的正确答案和/或用户在所述回答信息之外补充的正确答案。
8.根据权利要求6所述的装置，其特征在于，所述多种预设的修改方式包括：语义泛化、语义去除以及语义扩展方式；
其中，所述语义泛化方式为将所述BGP图中任一三元组实体中的边改为可以匹配所述答案图中任一三元组实体中的边；
所述语义去除方式为将所述BGP图中任一三元组实体中的边删除；
所述语义扩展方式为将所述BGP图中任一三元组实体中的边扩展成任意两条边和一个点。
9.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第一压缩模块，用于对所述多个修改BGP图进行压缩，得到多个压缩修改BGP图；
第二压缩模块，用于对所述答案图进行压缩，得到压缩答案图；
所述确定模块包括：
确定单元，用于在所述多个压缩修改BGP图中确定与所述压缩答案图相匹配的目标压缩修改BGP图；
恢复单元，用于将所述目标压缩修改BGP图恢复成所述目标修改BGP图。
10.根据权利要求9所述的装置，其特征在于，所述第一压缩模块用于删除所述BGP图中的三元组实体中的点；
所述第二压缩模块用于删除所述答案图中的三元组实体中的点。
CN201710620427.5A 2017-07-26 2017-07-26 一种基于交互的知识图谱问答q/a系统检索提升方法和装置 Active CN107451240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710620427.5A CN107451240B (zh) 2017-07-26 2017-07-26 一种基于交互的知识图谱问答q/a系统检索提升方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710620427.5A CN107451240B (zh) 2017-07-26 2017-07-26 一种基于交互的知识图谱问答q/a系统检索提升方法和装置

Publications (2)

Publication Number Publication Date
CN107451240A true CN107451240A (zh) 2017-12-08
CN107451240B CN107451240B (zh) 2019-12-13

Family

ID=60489080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710620427.5A Active CN107451240B (zh) 2017-07-26 2017-07-26 一种基于交互的知识图谱问答q/a系统检索提升方法和装置

Country Status (1)

Country Link
CN (1) CN107451240B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108519998A (zh) * 2018-03-07 2018-09-11 北京云知声信息技术有限公司 基于知识图谱的问题引导方法及装置
CN109002477A (zh) * 2018-06-19 2018-12-14 深圳市元征科技股份有限公司 信息处理方法、装置、终端及介质
CN110019721A (zh) * 2017-12-21 2019-07-16 上海智臻智能网络科技股份有限公司 修改问答系统的方法、终端设备及存储介质
CN110888988A (zh) * 2018-08-17 2020-03-17 北京搜狗科技发展有限公司 一种生成问答信息的方法、装置和设备
CN111104517A (zh) * 2019-10-01 2020-05-05 浙江工商大学 一种基于两个三元组的中文问题生成方法
WO2021238447A1 (zh) * 2020-05-29 2021-12-02 京东方科技集团股份有限公司 人机交互方法及装置、存储介质及电子设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104915340B (zh) * 2014-03-10 2019-09-10 北京大学 自然语言问答方法及装置
CN104820694B (zh) * 2015-04-28 2019-03-15 中国科学院自动化研究所 基于多知识库和整数线性规划ilp的自动问答方法和系统
CN105868313B (zh) * 2016-03-25 2019-02-12 浙江大学 一种基于模板匹配技术的知识图谱问答系统及方法
CN106777127B (zh) * 2016-12-16 2020-05-26 中山大学 基于知识图谱的个性化学习过程的自动生成方法及系统
CN106934012B (zh) * 2017-03-10 2020-05-08 上海数眼科技发展有限公司 一种基于知识图谱的自然语言问答实现方法和系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110019721A (zh) * 2017-12-21 2019-07-16 上海智臻智能网络科技股份有限公司 修改问答系统的方法、终端设备及存储介质
CN108519998A (zh) * 2018-03-07 2018-09-11 北京云知声信息技术有限公司 基于知识图谱的问题引导方法及装置
CN108519998B (zh) * 2018-03-07 2021-05-14 云知声智能科技股份有限公司 基于知识图谱的问题引导方法及装置
CN109002477A (zh) * 2018-06-19 2018-12-14 深圳市元征科技股份有限公司 信息处理方法、装置、终端及介质
CN110888988A (zh) * 2018-08-17 2020-03-17 北京搜狗科技发展有限公司 一种生成问答信息的方法、装置和设备
CN111104517A (zh) * 2019-10-01 2020-05-05 浙江工商大学 一种基于两个三元组的中文问题生成方法
WO2021238447A1 (zh) * 2020-05-29 2021-12-02 京东方科技集团股份有限公司 人机交互方法及装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN107451240B (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN107451240A (zh) 一种基于交互的知识图谱问答q/a系统检索提升方法和装置
JP7279997B2 (ja) 視覚的分析との相互作用のため語用論の原理を適用するシステムおよび方法
US10838697B2 (en) Storing logical units of program code generated using a dynamic programming notebook user interface
US20200226133A1 (en) Knowledge map building system and method
US20210263962A1 (en) Utilizing natural language processing and multiple object detection models to automatically select objects in images
CN106098060A (zh) 语音的纠错处理方法和装置、用于语音的纠错处理的装置
CN108984618B (zh) 数据处理方法和装置、电子设备和计算机可读存储介质
CN107102746A (zh) 候选词生成方法、装置以及用于候选词生成的装置
CN104462056B (zh) 用于呈现基于知识的信息的方法和信息操纵系统
CN111522909B (zh) 一种语音交互方法及服务器
US10853732B2 (en) Constructing new formulas through auto replacing functions
CN110619050A (zh) 意图识别方法及设备
CN107423296A (zh) 搜索方法、装置以及用于搜索的装置
CN113139068A (zh) 知识图谱构建方法及装置、电子设备和存储介质
KR20230015872A (ko) 인간-컴퓨터 인터랙션 방법 및 장치, 저장 매체 및 전자 디바이스
CN110188865A (zh) 信息处理方法及装置、电子设备和存储介质
CN109144285A (zh) 一种输入方法和装置
CN107015979A (zh) 一种数据处理方法、装置和智能终端
CN115129848A (zh) 一种视觉问答任务的处理方法、装置、设备和介质
CN106815291A (zh) 搜索结果项展现方法、装置和用于搜索结果项展现的装置
CN104063424B (zh) 网页图片的展现方法和展现装置
CN115033661A (zh) 一种基于垂直领域知识图谱的自然语言语义理解方法和装置
CN106919642A (zh) 一种跨语言搜索方法和装置、一种用于跨语言搜索的装置
CN103995844B (zh) 信息搜索方法和装置
CN107390974A (zh) 用于网页调试的代码查找方法、装置及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant