CN108153901A - 基于知识图谱的信息推送方法和装置 - Google Patents

Abstract

本申请实施例公开了基于知识图谱的信息推送方法和装置。该方法的一具体实施方式包括：识别目标文本中的至少一个实体；确定该至少一个实体中的各个实体的类别；确定该目标文本中的意图点词，将该至少一个实体中的、与该意图点词相关联的实体确定为目标实体；从预置的知识图谱中确定与该目标实体、该目标实体的类别和该意图点词相匹配的知识信息，推送该知识信息。该实施方式实现了富于针对性的信息推送。

Description

基于知识图谱的信息推送方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及基于知识图谱的信息推送方法和装置。

背景技术

在搜索、信息推荐等场景下，均会涉及到对用户需求(如搜索句)、内容(如网页内容、微博等)中的文本理解问题，需要理解用户的意图，进而向用户推送相关信息。

现有的信息推送方法通常是对待处理文本进行语法分析(例如切词、词性标注等)和语义分析(例如确定文本的主题等)，而后基于语法分析结果和语义分析结果进行内容搜索，进而向用户推送搜索到的信息。

发明内容

本申请实施例提出了基于知识图谱的信息推送方法和装置。

第一方面，本申请实施例提供了一种基于知识图谱的信息推送方法，该方法包括：识别目标文本中的至少一个实体；确定至少一个实体中的各个实体的类别；确定目标文本中的意图点词，将至少一个实体中的、与意图点词相关联的实体确定为目标实体；从预置的知识图谱中确定与目标实体、目标实体的类别和意图点词相匹配的知识信息，推送知识信息。

在一些实施例中，识别目标文本中的至少一个实体，包括：将目标文本输入至预先训练的实体识别模型，确定目标文本中的实体，其中，实体识别模型用于表征文本与实体的对应关系。

在一些实施例中，在识别目标文本中的至少一个实体之后，该方法还包括：对于至少一个实体中的每一个实体，从预置的知识图谱中确定与该实体相关联的至少一个实体，将所确定的与该实体相关联的实体作为候选关联实体，确定各个候选关联实体与该实体的关联度，将关联度最高的候选关联实体确定为与该实体相匹配的潜在实体。

在一些实施例中，在从预置的知识图谱中确定与该实体相关联的至少一个实体之后，该方法还包括：

对于至少一个实体中的每一个实体，响应于确定知识图谱中不存在与该实体相关联的实体，将该实体归入知识图谱中。

在一些实施例中，确定至少一个实体中的各个实体的类别，包括：对于至少一个实体中的每一个实体，基于预置的、实体与类别的对应关系信息，确定与该实体相对应的至少一个候选类别；基于随机游走算法对至少一个候选类别进行排序；基于排序结果确定至少一个候选类别中的该实体的类别。

在一些实施例中，确定目标文本中的意图点词，将至少一个实体中的、与意图点词相关联的实体确定为目标实体，包括：确定知识图谱中的、与至少一个实体中的各个实体相匹配的潜在实体所关联的关联意图点词；基于各个关联意图点词与目标文本的匹配结果，确定目标文本中的意图点词；基于预置的实体与意图点词的共现信息，确定至少一个实体中的、与意图点词相关联的实体，并将所确定的实体确定为目标实体。

第二方面，本申请实施例提供了一种基于知识图谱的信息推送装置，该装置包括：识别单元，配置用于识别目标文本中的至少一个实体；第一确定单元，配置用于确定至少一个实体中的各个实体的类别；第二确定单元，配置用于确定目标文本中的意图点词，将至少一个实体中的、与意图点词相关联的实体确定为目标实体；推送单元，配置用于从预置的知识图谱中确定与目标实体、目标实体的类别和意图点词相匹配的知识信息，推送知识信息。

在一些实施例中，识别单元进一步配置用于：将目标文本输入至预先训练的实体识别模型，确定目标文本中的实体，其中，实体识别模型用于表征文本与实体的对应关系。

在一些实施例中，该装置还包括：第三确定单元，配置用于对于至少一个实体中的每一个实体，从预置的知识图谱中确定与该实体相关联的至少一个实体，将所确定的与该实体相关联的实体作为候选关联实体，确定各个候选关联实体与该实体的关联度，将关联度最高的候选关联实体确定为与该实体相匹配的潜在实体。

在一些实施例中，该装置还包括：归入单元，配置用于对于至少一个实体中的每一个实体，响应于确定知识图谱中不存在与该实体相关联的实体，将该实体归入知识图谱中。

在一些实施例中，第一确定单元进一步配置用于：对于至少一个实体中的每一个实体，基于预置的、实体与类别的对应关系信息，确定与该实体相对应的至少一个候选类别；基于随机游走算法对至少一个候选类别进行排序；基于排序结果确定至少一个候选类别中的该实体的类别。

在一些实施例中，第二确定单元包括：第一确定模块，配置用于确定知识图谱中的、与至少一个实体中的各个实体相匹配的潜在实体所关联的关联意图点词；第二确定模块，配置用于基于各个关联意图点词与目标文本的匹配结果，确定目标文本中的意图点词；第三确定模块，配置用于基于预置的实体与意图点词的共现信息，确定至少一个实体中的、与意图点词相关联的实体，并将所确定的实体确定为目标实体。

第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；摄像头，用于采集图像；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如基于知识图谱的信息推送方法中任一实施例的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如基于知识图谱的信息推送方法中任一实施例的方法。

本申请实施例提供的基于知识图谱的信息推送方法和装置，通过识别目标文本中的至少一个实体，以便确定各个实体的类别，之后确定该目标文本中的意图点词，将该至少一个实体中的、与该意图点词相关联的实体确定为目标实体，最后从预置的知识图谱中确定与该目标实体、该目标实体的类别和该意图点词相匹配的知识信息，推送该知识信息，从而在语义分析难度较大的场景下可以基于知识图谱确定文本的意图，实现了富于针对性的信息推送。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的基于知识图谱的信息推送方法的一个实施例的流程图；

图3是根据本申请的基于知识图谱的信息推送方法的一个应用场景的示意图；

图4是根据本申请的基于知识图谱的信息推送方法的又一个实施例的流程图；

图5是根据本申请的基于知识图谱的信息推送装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的基于知识图谱的信息推送方法或基于知识图谱的信息推送方法与装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、搜索类应用、社交平台软件、即时通信工具、邮箱客户端等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103所发送的文本(例如搜索句、微博内容等)进行处理的后台服务器。后台服务器可以对接收到的目标文本等数据进行分析等处理，确定目标文本中的实体、意图点词等，还可以进行信息搜索等处理。并将处理结果(例如知识信息)反馈给终端设备。

需要说明的是，本申请实施例所提供的基于知识图谱的信息推送方法一般由服务器105执行，相应地，基于知识图谱的信息推送装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的基于知识图谱的信息推送方法的一个实施例的流程200。所述的基于知识图谱的信息推送方法，包括以下步骤：

步骤201，识别目标文本中的至少一个实体。

在本实施例中，基于知识图谱的信息推送方法运行于其上的电子设备(例如图1所示的服务器105)可以识别目标文本中的至少一个实体。其中，上述目标文本可以是用户发送的信息搜索请求中所包含的文本(例如搜索句)，也可以是用户在社交平台应用中所发布的文本(例如在微博、朋友圈发布的文本等)。此处，实体可以是表征概念、事物或者事件的词条。例如，“华盛顿”、“西雅图”、“海湾战争”、“宇宙大爆炸理论”、“刘某某”(可以是一个具体的人名，例如某个电影明星或者歌手等)等，均可以作为实体的实例。实体可以具有属性，属性可以是反映实体的任何方面的特征或与实体有关的信息。例如，若实体为“刘某某”，则属性的实例可以包括“妻子”、“代表作品”、“女儿”、“生日”、“好友”等；若实体为“关节炎”，则属性的实例可以包括：“治疗”、“询价”等。需要说明的是，对于每一个实体，该实体的各个属性均可以作为该与该实体相关联的意图点词，上述电子设备可以预先存储有大量的实体与属性(或意图点词)的关联关系信息。

实践中，实体与属性(或意图点词)的关联关系信息可以以知识图谱的形式进行表示。知识图谱可以理解为一张由节点相互连接而成的语义网络，其中，节点可以包括实体、属性(或意图点词)、标签(例如表征效果的词条“好吃”、表征问题类型的词条“怎么样”等)等。知识图谱的每个实体的每个属性均具有属性值，例如，实体“刘某某”的属性“妻子”的属性值是“朱某某”(可以是一个具体的人名)。当搜索“刘某某的妻子是谁”时，可以匹配到实体“刘某某”和属性“妻子”，进而得到属性值“朱某某”。另外，通过实体的属性(或意图点词)可以将不同的实体建立关联关系。例如，实体“刘某某”的属性“妻子”的属性值为“朱某某”，同时，“朱某某”也可以作为另一个实体，则实体“刘某某”与实体“朱某某”具有关联。作为又一示例，实体“朱某某”的属性“父亲”的属性值是“朱某”(可以是一个具体的人名)，同时，“朱某”也可以作为另一个实体，则实体“朱某某”与实体“朱某”具有关联。此外，实体还可以与上位实体(例如表示实体类别的词条)建立关联。例如，实体“人民的名义”可以与上位实体“当代反腐剧”建立关联，实体“当代反腐剧”可以与上位实体“电视剧”建立关联等。

上述电子设备可以通过各种方式识别上述目标文本中的实体。作为示例，上述电子设备可以首先对上述目标文本进行分词；而后，可以提取技术人员预先制定的实体集合，将分词后的各个词与实体集合中的实体进行字符串匹配，将匹配成功的词确定为上述目标文本的实体。

步骤202，确定至少一个实体中的各个实体的类别。

在本实施例中，上述电子设备中可以预先存储有实体类别信息集合，其中，上述实体类别信息集合中可以包含各个实体的类别信息。每一个实体可以有多个类别，例如实体“刘某某”，类别可以是“歌手”、“香港歌手”、“影视演员”、“人物”等。上述实体类别信息集合中的实体类别信息可以是上述电子设备基于网站(例如百科类网站)中的数据、全网文本、用户搜索请求等数据预先进行挖掘统计后得到的。上述电子设备可以在上述实体类别信息集合中直接检索所识别出的各个实体的类别。此外，由于上述知识图谱中可以记录有各个实体的上位词，上位词可以用以表征实体的类别，因此，上述电子设备还可以直接从知识图谱中确定各个实体的类别。

在本实施例的一些可选的实现方式中，上述电子设备对于步骤201所识别出的每一个实体，还可以通过以下方式确定该实体的类别：第一步，可以基于预置的、实体与类别的对应关系信息(例如，可以是上述实体类别信息集合中的实体类别信息，也可以是知识图谱中的上位词)，确定与该实体相对应的至少一个候选类别(可以是所确定出的全部类别)。第二步，上述电子设备可以基于随机游走(random walk)算法对上述至少一个候选类别进行排序。实践中，随机游走也称随机漫步，随机行走等是指基于过去的表现，无法预测将来的发展步骤和方向。核心概念是指任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律，接近于布朗运动，是布朗运动理想的数学状态。具体地，可以首先构建随机游走图的节点(包括实体、各实体的候选类别、上述目标本文中的动词、上述目标本文中的形容词)和随机游走图的边(包括实体与候选类别的边、实体与动词的边、实体与形容词的边、候选类别与候选类别的边)；而后，可以基于对历史数据的统计(例如确定语义相似度、实体与候选类别信息的共现次数或共现频率等等)确定节点和边的初始权重；之后，可以开始自启动随机游走，从节点触发进行游走，更新节点权重；然后基于更新后的节点权重，重新计算边权重，将各个候选类别按照权重由大到小排序确定出上述至少一个候选类别的顺序。第三步，上述电子设备可以基于排序结果确定上述至少一个候选类别中的该实体的类别。作为示例，可以将排序后的第一个候选类别确定为该实体的类别，也可以将排序后的前三个候选类别确定为该实体的类别等。需要说明的是，随机游走算法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤203，确定目标文本中的意图点词，将至少一个实体中的、与意图点词相关联的实体确定为目标实体。

在本实施例中，上述电子设备可以利用各种方法确定上述目标文本中的意图点词，将至少一个实体中的、与意图点词相关联的实体确定为目标实体。作为示例，上述电子设备中可以预先存储有意图点词集合，该意图点词集合可以是预先基于历史搜索数据进行数据统计、聚类等处理后得到的。上述电子设备可以将上述目标文本与上述意图点词集合中的意图点词进行匹配，确定出目标文本的意图点词。由于上述电子设备预先存储有大量的实体与属性(或意图点词)的关联关系信息(例如可以从知识图谱中得到)，因此，上述电子设备可以确定上述至少一个实体中是否存在与所确定出的意图点词相关联的实体，若存在，可以将上述至少一个实体中的、与上述意图点词相关联的实体确定为目标实体。

步骤204，从预置的知识图谱中确定与目标实体、目标实体的类别和意图点词相匹配的知识信息，推送知识信息。

在本实施例中，由于上述电子设备中预先存储有知识图谱，且知识图谱中记录有各个实体的属性(或意图点词)、上位词(可视为类别)等信息，且每个属性具有属性值，因此，可以直接将目标实体、目标实体的类别(可视为目标类别)和意图点词与知识谱图进行匹配。即，首先从知识图谱中匹配查找到目标实体；而后确定匹配到的目标实体的类别是否与上述目标类别一致；若一致，从知识图谱中查找到上述目标实体的属性中与上述意图点词对应的属性；之后，上述电子设备可以将该属性对应的属性值作为知识信息，或者以上述目标实体和意图点词作为搜索词，进行内容搜索，将搜索到的信息确定为知识信息；最后，推送上述知识信息。需要说明的是，知识图谱中的实体的属性的属性值可以视为知识信息。

需要说明的是，上述电子设备可以将知识谱图中匹配到的实体、类别、属性及它们之间的关联关系所构成的内容确定与上述目标文本中的目标实体、目标类别和意图点词相关联的子图，因而，该方法可以实现将目标文本与知识图谱中的子图相关联，为进一步进行信息推送、信息推荐提供了支持。

在本实施例的一些可选的实现方式中，上述电子设备还可以基于预先训练的词向量模型(例如现有的词向量生成工具doc2vec等)，确定上述目标文本中的各个词的词向量，并确定上述目标文本的词向量；之后，对于上述目标文本中的每一个词，上述电子设备可以利用各种相似度计算方法(例如欧氏距离等)确定该词的词向量与上述目标文本的词向量的相似度；最后，可以将相似度满足预设条件的词作为检索词进行检索，推送检索结果。此时，上述知识信息中可以包含上述搜索结果。

继续参见图3，图3是根据本实施例的基于知识图谱的信息推送方法的应用场景的一个示意图。在图3的应用场景中，终端设备301首先向服务器302发送了搜索请求，该搜索请求中包含目标文本303(例如搜索词)。而后，服务器302识别目标文本中的至少一个实体，并确定各个实体的类别。之后，服务器302确定目标文本303中的意图点词和目标实体，最后从预置的知识图谱中确定与该目标实体、该目标实体的类别和该意图点词相匹配的知识信息304。最后，服务器302将知识信息304推送至上述终端设备301。

本申请的上述实施例提供的方法，通过识别目标文本中的至少一个实体，以便确定各个实体的类别，之后确定该目标文本中的意图点词，将该至少一个实体中的、与该意图点词相关联的实体确定为目标实体，最后从预置的知识图谱中确定与该目标实体、该目标实体的类别和该意图点词相匹配的知识信息，推送该知识信息，从而可以通过基于知识图谱对文本进行准确完整的理解，由于知识图谱中包含实体、实体关系、实体与属性关系、实体与类别关系等信息，因此可以准确的对文本将进行理解和检索，进而为用户推荐更符合其需求的信息，在语义分析难度较大的场景下相较于现有技术更具有适用性，实现了富于针对性的信息推送。

进一步参考图4，其示出了基于知识图谱的信息推送方法的又一个实施例的流程400。该基于知识图谱的信息推送方法的流程400，包括以下步骤：

步骤401，将目标文本输入至预先训练的实体识别模型，确定目标文本中的实体。

在本实施例中，上述电子设备可以将上述目标文本输入至预先训练的实体识别模型，确定上述目标文本中的实体。其中，上述实体识别模型可以用于表征文本与实体的对应关系，例如，上述实体识别模型可以是技术人员基于对大量文本数据的统计而预先制定的文本与实体的对应关系表。上述实体识别模型也可以是利用机器学习方法，通过对大量带有标注的训练样本对现有的用于实现分类功能的模型(例如逻辑回归(LogisticRegression)模型、支持向量机(Support Vector Machine，SVM)等)进行有监督学习训练得到的。其中，上述训练样本可以包括以下信息：搜索文本(例如搜索句)、发布文本(例如在微博、朋友圈中发布的文本)。上述标注可以用于指示每一个训练样本中的实体。此处，机器学习方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤402，对于至少一个实体中的每一个实体，从预置的知识图谱中确定与该实体相关联的至少一个实体，将所确定的与该实体相关联的实体作为候选关联实体，确定各个候选关联实体与该实体的关联度，将关联度最高的候选关联实体确定为与该实体相匹配的潜在实体。

在本实施例中，在识别出上述目标文本中的至少一个实体之后，对于所识别出的每一个实体，上述电子设备可以执行如下操作：第一步，从预置的知识图谱中确定与该实体相关联的至少一个实体。此处，上述电子设备可以通过字符串匹配、模糊查询等各种方式确定与该实体相关联的至少一个实体，此处不再赘述。第二步，上述电子设备可以将所确定的与该实体相关联的实体作为候选关联实体，确定各个候选关联实体与该实体的关联度。此处，上述电子设备可以利用LTR(Learning to Rank，排序学习)技术确定各个实体的关联度。具体地，上述电子设备可以首先确定各个候选关联实体的特征信息，其中，上述特征信息可以是与候选关联实体相关的各种信息，例如，每一个候选关联实体的特征信息可以包括以下至少一项：该候选关联实体的热度(例如在互联网中被搜索的次数)、该候选关联实体与该实体的语义相似度、互联网上统计到的文本与该候选关联实体的共现次数、该候选关联实体的类型(例如实体“刘某某”的类型为歌手)等等。之后，上述电子设备可以将该候选关联实体的特征信息输入至预先训练的排序模型，得到该候选关联实体与该实体的关联度。其中，上述排序模型可以是通过LTR技术训练得到，LTR技术是目前广泛研究和应用的公知技术，在此不再赘述。第三步，上述电子设备可以将关联度最高的候选关联实体确定为与该实体相匹配的潜在实体。实践中，知识图谱中的每一个实体均可以对应一个实体标识(例如由字母和数字构成的字符串)，用于区别和唯一确定该实体。上述电子设备在确定到该实体的潜在实体后，可以将知识图谱中的上述潜在实体的标识赋予该实体。

需要说明的是，对于上述至少一个实体中的每一个实体，响应于确定上述知识图谱中不存在与该实体相关联的实体，上述电子设备可以将该实体归入上述知识图谱中。

步骤403，确定至少一个实体中的各个实体的类别。

在本实施例中，上述电子设备对于步骤401所识别出的每一个实体，还可以通过以下方式确定该实体的类别：第一步，可以基于预置的、实体与类别的对应关系信息(例如，可以从知识图谱中得到)，确定与该实体相对应的至少一个候选类别。第二步，上述电子设备可以基于随机游走算法对上述至少一个候选类别进行排序。第三步，可以基于排序结果确定上述至少一个候选类别中的该实体的类别。作为示例，可以将排序后的第一个候选类别确定为该实体的类别，也可以将排序后的前三个候选类别确定为该实体的类别等。

需要说明的是，上述步骤403的操作与步骤202的操作基本相同，在此不再赘述。

步骤404，确定目标文本中的意图点词，将至少一个实体中的、与意图点词相关联的实体确定为目标实体。

在本实施例中，上述电子设备可以通过以下步骤确定目标实体：第一步，确定知识图谱中的、与上述至少一个实体中的各个实体相匹配的潜在实体所关联的关联意图点词。此处，由于知识图谱中的、与上述至少一个实体中的各个实体相匹配的潜在实体已通过步骤402得到，因此，可以直接从知识图谱中确定出各个潜在实体所关联的关联意图点词。第二步，可以基于各个关联意图点词与上述目标文本的匹配结果，确定上述目标文本中的意图点词。此处，可以利用字符串匹配的方式将各个关联意图点词与上述目标文本进行匹配。第三步，可以基于预置的、实体与意图点词的共现信息，确定上述至少一个实体中的、与上述意图点词相关联的实体，并将所确定的实体确定为目标实体。作为示例，可以从上述共现信息中查找上述至少一个实体中的各个实体与上述意图点词的共现次数，将查找得到的共现次数最大的实体确定为目标实体。

步骤405，从预置的知识图谱中确定与目标实体、目标实体的类别和意图点词相匹配的知识信息，推送知识信息。

在本实施例中，由于上述电子设备中预先存储有知识图谱，且知识图谱中记录有各个实体的属性(或意图点词)、上位词(可视为类别)等信息，且每个属性具有属性值，因此，可以直接将目标实体、目标实体的类别(可视为目标类别)和意图点词与知识谱图进行匹配。即，首先可以基于步骤402从知识图谱中查找到目标实体的潜在关联实体；而后确定匹配到的目标实体的类别是否与上述目标类别一致，或是否包含上述目标类别；若一致或包含，可以从知识图谱中查找到上述目标实体的属性中与上述意图点词对应的属性；之后，上述电子设备可以将该属性对应的属性值作为知识信息，或者以上述目标实体和意图点词作为搜索词，进行内容搜索，将搜索到的信息确定为知识信息；最后，推送上述知识信息。

从图4中可以看出，与图2对应的实施例相比，本实施例中的基于知识图谱的信息推送方法的流程400突出了基于知识图谱确定知识信息的步骤。由此，本实施例描述的方案可以建立目标文本与知识图谱的关联，利用知识图谱中的实体、实体与属性的关系等确定目标文本的意图，进而进行知识信息的推送，进一步实现了富于针对性的信息推送。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种基于知识图谱的信息推送装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例上述的基于知识图谱的信息推送装置500包括：识别单元501，配置用于识别目标文本中的至少一个实体；第一确定单元502，配置用于确定上述至少一个实体中的各个实体的类别；第二确定单元503，配置用于确定上述目标文本中的意图点词，将上述至少一个实体中的、与上述意图点词相关联的实体确定为目标实体；推送单元504，配置用于从预置的知识图谱中确定与上述目标实体、上述目标实体的类别和上述意图点词相匹配的知识信息，推送上述知识信息。

在本实施例的一些可选的实现方式中，上述识别单元501可以进一步配置用于将上述目标文本输入至预先训练的实体识别模型，确定上述目标文本中的实体，其中，上述实体识别模型用于表征文本与实体的对应关系。

在本实施例的一些可选的实现方式中，该装置还可以包括第三确定单元(图中未示出)。其中，上述第三确定单元可以配置用于对于上述至少一个实体中的每一个实体，从预置的知识图谱中确定与该实体相关联的至少一个实体，将所确定的与该实体相关联的实体作为候选关联实体，确定各个候选关联实体与该实体的关联度，将关联度最高的候选关联实体确定为与该实体相匹配的潜在实体。

在本实施例的一些可选的实现方式中，该装置还可以包括归入单元(图中未示出)。其中，上述归入单元可以配置用于对于上述至少一个实体中的每一个实体，响应于确定上述知识图谱中不存在与该实体相关联的实体，将该实体归入上述知识图谱中。

在本实施例的一些可选的实现方式中，上述第一确定单元502可以进一步配置用于对于上述至少一个实体中的每一个实体，基于预置的、实体与类别的对应关系信息，确定与该实体相对应的至少一个候选类别；基于随机游走算法对上述至少一个候选类别进行排序；基于排序结果确定上述至少一个候选类别中的该实体的类别。

在本实施例的一些可选的实现方式中，上述第二确定单元503可以包括第一确定模块、第二确定模块和第三确定模块(图中未示出)。其中，上述第一确定模块可以配置用于确定知识图谱中的、与上述至少一个实体中的各个实体相匹配的潜在实体所关联的关联意图点词。上述第二确定模块可以配置用于基于各个关联意图点词与上述目标文本的匹配结果，确定上述目标文本中的意图点词。上述第三确定模块可以配置用于基于预置的实体与意图点词的共现信息，确定上述至少一个实体中的、与上述意图点词相关联的实体，并将所确定的实体确定为目标实体。

本申请的上述实施例提供的装置，通过识别单元501识别目标文本中的至少一个实体，以便第一确定单元502确定各个实体的类别，之后第二确定单元503确定该目标文本中的意图点词，将该至少一个实体中的、与该意图点词相关联的实体确定为目标实体，最后推送单元504从预置的知识图谱中确定与该目标实体、该目标实体的类别和该意图点词相匹配的知识信息，推送该知识信息，从而可以通过基于知识图谱对文本进行准确完整的理解，由于知识图谱中包含实体、实体关系、实体与属性关系、实体与类别关系等信息，因此可以准确的对文本将进行理解和检索，进而为用户推荐更符合其需求的信息，在语义分析难度较大的场景下相较于现有技术更具有适用性，实现了富于针对性的信息推送。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括识别单元、第一确定单元、第二确定单元和推送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，识别单元还可以被描述为“识别目标文本中的至少一个实体的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：识别目标文本中的至少一个实体；确定该至少一个实体中的各个实体的类别；确定该目标文本中的意图点词，将该至少一个实体中的、与该意图点词相关联的实体确定为目标实体；从预置的知识图谱中确定与该目标实体、该目标实体的类别和该意图点词相匹配的知识信息，推送该知识信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种基于知识图谱的信息推送方法，包括：

识别目标文本中的至少一个实体；

确定所述至少一个实体中的各个实体的类别；

确定所述目标文本中的意图点词，将所述至少一个实体中的、与所述意图点词相关联的实体确定为目标实体；

从预置的知识图谱中确定与所述目标实体、所述目标实体的类别和所述意图点词相匹配的知识信息，推送所述知识信息。

2.根据权利要求1所述的基于知识图谱的信息推送方法，其中，所述识别目标文本中的至少一个实体，包括：

将所述目标文本输入至预先训练的实体识别模型，确定所述目标文本中的实体，其中，所述实体识别模型用于表征文本与实体的对应关系。

3.根据权利要求1所述的基于知识图谱的信息推送方法，其中，在所述识别目标文本中的至少一个实体之后，所述方法还包括：

对于所述至少一个实体中的每一个实体，从预置的知识图谱中确定与该实体相关联的至少一个实体，将所确定的与该实体相关联的实体作为候选关联实体，确定各个候选关联实体与该实体的关联度，将关联度最高的候选关联实体确定为与该实体相匹配的潜在实体。

4.根据权利要求3所述的基于知识图谱的信息推送方法，其中，在所述从预置的知识图谱中确定与该实体相关联的至少一个实体之后，所述方法还包括：

对于所述至少一个实体中的每一个实体，响应于确定所述知识图谱中不存在与该实体相关联的实体，将该实体归入所述知识图谱中。

5.根据权利要求1所述的基于知识图谱的信息推送方法，其中，所述确定所述至少一个实体中的各个实体的类别，包括：

对于所述至少一个实体中的每一个实体，基于预置的、实体与类别的对应关系信息，确定与该实体相对应的至少一个候选类别；基于随机游走算法对所述至少一个候选类别进行排序；基于排序结果确定所述至少一个候选类别中的该实体的类别。

6.根据权利要求3所述的基于知识图谱的信息推送方法，其中，所述确定所述目标文本中的意图点词，将所述至少一个实体中的、与所述意图点词相关联的实体确定为目标实体，包括：

确定知识图谱中的、与所述至少一个实体中的各个实体相匹配的潜在实体所关联的关联意图点词；

基于各个关联意图点词与所述目标文本的匹配结果，确定所述目标文本中的意图点词；

基于预置的实体与意图点词的共现信息，确定所述至少一个实体中的、与所述意图点词相关联的实体，并将所确定的实体确定为目标实体。

7.一种基于知识图谱的信息推送装置，包括：

识别单元，配置用于识别目标文本中的至少一个实体；

第一确定单元，配置用于确定所述至少一个实体中的各个实体的类别；

第二确定单元，配置用于确定所述目标文本中的意图点词，将所述至少一个实体中的、与所述意图点词相关联的实体确定为目标实体；

推送单元，配置用于从预置的知识图谱中确定与所述目标实体、所述目标实体的类别和所述意图点词相匹配的知识信息，推送所述知识信息。

8.根据权利要求7所述的基于知识图谱的信息推送装置，其中，所述识别单元进一步配置用于：

将所述目标文本输入至预先训练的实体识别模型，确定所述目标文本中的实体，其中，所述实体识别模型用于表征文本与实体的对应关系。

9.根据权利要求7所述的基于知识图谱的信息推送装置，其中，所述装置还包括：

第三确定单元，配置用于对于所述至少一个实体中的每一个实体，从预置的知识图谱中确定与该实体相关联的至少一个实体，将所确定的与该实体相关联的实体作为候选关联实体，确定各个候选关联实体与该实体的关联度，将关联度最高的候选关联实体确定为与该实体相匹配的潜在实体。

10.根据权利要求9所述的基于知识图谱的信息推送装置，其中，所述装置还包括：

归入单元，配置用于对于所述至少一个实体中的每一个实体，响应于确定所述知识图谱中不存在与该实体相关联的实体，将该实体归入所述知识图谱中。

11.根据权利要求7所述的基于知识图谱的信息推送装置，其中，所述第一确定单元进一步配置用于：

对于所述至少一个实体中的每一个实体，基于预置的、实体与类别的对应关系信息，确定与该实体相对应的至少一个候选类别；基于随机游走算法对所述至少一个候选类别进行排序；基于排序结果确定所述至少一个候选类别中的该实体的类别。

12.根据权利要求9所述的基于知识图谱的信息推送装置，其中，所述第二确定单元包括：

第一确定模块，配置用于确定知识图谱中的、与所述至少一个实体中的各个实体相匹配的潜在实体所关联的关联意图点词；

第二确定模块，配置用于基于各个关联意图点词与所述目标文本的匹配结果，确定所述目标文本中的意图点词；

第三确定模块，配置用于基于预置的实体与意图点词的共现信息，确定所述至少一个实体中的、与所述意图点词相关联的实体，并将所确定的实体确定为目标实体。

13.一种服务器，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

摄像头，用于采集图像；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。