CN109492077A - 基于知识图谱的石化领域问答方法及系统 - Google Patents

Abstract

本发明公开了一种基于知识图谱的石化领域问答方法，包括构建概念知识图谱和实体知识图谱；接收用户输入的问句，对问句进行分词，抽取实体、属性、关系及限制条件，并将实体抽象成概念，匹配问句模板，转化成结构化查询语句；查询概念知识图谱和实体知识图谱并生成答案，将答案匹配答句模板，转化成自然语言答案。本发明还公开了一种基于知识图谱的石化领域问答系统。本发明能够以知识图谱的形式存储和表现石化领域知识，建立起业务需求和开发生产数据之间的联系，以自然语言交互问答的形式，为用户获取专业知识提供了便利，提高了用户体验，有助于提供用户工作效率。

Description

基于知识图谱的石化领域问答方法及系统

技术领域

本发明涉及人工智能技术领域。更具体地说，本发明涉及一种基于知识图谱的石化领域问答方法及系统。

背景技术

搜索引擎技术的发展，使人们获得信息变得方便快捷。然而，主流的搜索引擎都是基于字或词的建倒排索引，在查询里以字或词匹配为主，存在着无法理解用户输入包含的语义、返回信息量大、返回内容针对性不强、用户需要多次查找等问题。问答系统作为信息检索系统的一种高级形式，它能用准确、简洁的自然语言回答用户用自然语言提出的问题。因而其研究也受到越来越多的关注，目前，作为问答系统应用的客服机器人在银行、零售、医疗等领域承担着越来越多的功能。语义理解是问答系统技术的核心，由于中文语言的特性，同一句话在不同的情境下，其含义会大相径庭。知识图谱的出现，使得人们多了一种掌握语言之间语义联系的一种利器，人们朝着语义理解的方向又前进了一步。

知识图谱本质上是一种语义网络。其结点代表实体(entity)或者概念(concept)，边代表实体/概念之间的各种语义关系。知识图谱相对于传统的本体和语义网络而言，实体覆盖率更高，语义关系也更加复杂而全面。知识图谱能够为机器理解语言提供更多的背景知识，使得机器能够理解知识图谱背后领域的事理逻辑和知识体系。它是迈向下一代搜索业务关键的第一步，使得搜索智能化，能根据用户的意图给出用户想要的结果。

在石化领域，由于业务壁垒高，用户人群特殊，无论是搜索引擎还是现有的问答系统都无法满足这部分人群对业务知识的获取需求。比如，用户在搜索引擎查询“东庄油气田有多少口油井？”，传统的搜索引擎无法为你提供想要的答案。这除了一方面因为石油石化领域的业务知识难以获取，另一方面搜索引擎目前无法完全理解用户输入的语义，当然也就无法提供精准的答案。对于那些业务不断变化的问题来说，搜索引擎就更不可能及时获得这方面的信息了。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种基于知识图谱的石化领域问答方法及系统，其能够以知识图谱的形式存储和表现石化领域知识，建立起业务需求和开发生产数据之间的联系，以自然语言交互问答的形式，为用户获取专业知识提供了便利，提高了用户体验，有助于提供用户工作效率。

为了实现根据本发明的这些目的和其它优点，提供了一种基于知识图谱的石化领域问答方法，其特征在于，包括：

构建包含有概念-关系-概念和概念-属性的石化领域的概念知识图谱，构建包含有实体 -关系-实体和实体-属性-属性值、关系-属性-属性值的石化领域的实体知识图谱；

接收用户输入的问句，对问句进行分词，抽取实体、属性、关系及限制条件，并将实体抽象成概念，匹配问句模板，转化成结构化查询语句；

如果询问对象仅有一个实体，在概念知识图谱中查询实体所属概念是否包含该属性，是则在实体知识图谱中读取该实体的该属性的属性值，结合限制条件，生成答案，否则直接生成答案；

如果询问对象超过一个实体，在概念知识图谱中查询各个实体所属概念间的最短路径，存在则在实体知识图谱中以所述最短路径检索，读取目标实体的属性值或目标关系的属性值，结合限制条件，生成答案；不存在则在概念知识图谱中查询各实体所属概念是否包含该属性，是则在实体知识图谱中分别读取各实体的该属性的属性值，结合限制条件，生成答案，否则直接生成答案；

将答案匹配答句模板，转化成自然语言答案。

优选的是，构建概念知识图谱和实体知识图谱具体为：

采用分词模型对语料进行分词，切分成石化领域的概率最高的词语，并标记词性，抽取实体，采用关系类别模型抽取关系表述，校正成问句模板预存储的关系，采用问题类别模型抽取属性表述，校正成问句模板预存储的属性；

根据实体的词性，抽象出实体所属概念，形成概念-属性的集合，结合石化领域的概念之间的关系，形成概念-关系-概念的集合，构建概念知识图谱；

根据实体以及实体之间的关系，形成实体-关系-实体的集合，为实体的属性赋值，形成实体-属性-属性值的集合，为关系的属性赋值，形成关系-属性-属性值的集合，构建实体知识图谱。

优选的是，采用所述分词模型对问句进行分词，抽取实体；采用所述关系类别模型抽取问句中的关系表述，校正成问句模板预存储的关系；采用所述问题类别模型抽取问句中属性表述和限制条件表述，校正成问句模板预存储的属性和限制条件。

优选的是，所述分词模型、所述关系类别模型以及所述问题类别模型的建立方式为：

从石化领域数据源中采集语料，从通用数据源采集语义资源，标注词语，根据词语所属概念定义词语的词性，得到分词和词性训练集，经过条件随机场训练，得到分词模型；标注关系类别，得到关系类别训练集，经过支持向量机训练，得到关系类别模型；整理石化领域问题集，抽象出问句模板，标注问题类别，得到问题类别训练集，建立属性分类规则和算法分类规则，得到问题类别模型；其中，属性分类规则识别文本中的属性表述并校正成问句模板预存储的属性，算法分类规则识别文本中的限制条件表述并校正成问句模板预存储的限制条件、根据该限制条件对实体的属性值或关系的属性值进行运算。

优选的是，匹配问句模板失败时，根据实体、属性、关系及限制条件，将问句抽象为拟定模板，计算拟定模板与所有问句模板的相似度，选择相似度大于阈值的问句模板作为指定模板，并将指定模板中的属性、概念或限制条件进行要素替换为拟定模板中的属性、概念或限制条件，转化成结构化查询语句。

优选的是，计算相似度时，相似度为sim(指定模板，拟定模板)＝指定模板与拟定模板共同包含的字数/指定模板与拟定模板不重复的字数，其中，模板中的未知字符计为2个字数。

基于知识图谱的石化领域问答系统，包括：

采集加工层，包括从石化领域数据源中采集语料的语料采集模块，从通用数据源采集语义资源的语义资源采集模块，整理石化领域问题集的问题类别模块，标注词语及词性、关系类别、问题类别的标注模块，以及训练分词模型、关系类别模型、问题类别模型的训练模型模块；

数据层，存储石化领域数据源和通用数据源，存储分词和词性训练集、关系类别训练集、问题类别训练集，存储问句模板和答句模板，存储分词模型、关系类别模型、问题类别模型，存储包含有概念-关系-概念和概念-属性的石化领域的概念知识图谱，存储包含有实体-关系-实体和实体-属性-属性值的石化领域的实体知识图谱；

知识问答层，包括去掉问句末尾的标点符号、冗余词串的规范化处理模块，对问句进行分词的问句解析模块，抽取实体、属性、关系及限制条件、将问句转化成结构化查询语句、匹配问句模板的查询语句生成模块，检索概念知识图谱和实体知识图谱的知识图谱检索模块，生成答案并将答案匹配答句模板、转化成自然语言答案的答案生成模块；

用户交互层，接收用户输入的问句的输入模块，并将用户所需要的答案返回给用户的输出模块；

其中，如果询问对象仅有一个实体，知识图谱检索模块在概念知识图谱中查询实体所属概念是否包含该属性，是则在实体知识图谱中读取该实体的该属性的属性值，结合限制条件，答案生成模块生成答案，否则答案生成模块直接生成答案；

如果询问对象超过一个实体，知识图谱检索模块在概念知识图谱中查询各个实体所属概念间的最短路径，存在则在实体知识图谱中以所述最短路径检索，读取目标实体的属性值或目标关系的属性值，结合限制条件，答案生成模块生成答案；不存在则在概念知识图谱中查询各实体所属概念是否包含该属性，是则在实体知识图谱中分别读取各实体的该属性的属性值，结合限制条件，答案生成模块生成答案，否则答案生成模块直接生成答案。

优选的是，所述分词模型、所述关系类别模型以及所述问题类别模型的建立方式为：

语料采集模块从石化领域数据源中采集语料，语义资源采集模块从通用数据源采集语义资源，标注模块标注词语，根据词语所属概念定义词语的词性，得到分词和词性训练集，经过条件随机场训练，得到分词模型；标注模块标注关系类别，得到关系类别训练集，经过支持向量机训练，得到关系类别模型；问题类别模块整理石化领域问题集，抽象出问句模板，标注模块标注问题类别，得到问题类别训练集，建立属性分类规则和算法分类规则，得到问题类别模型；其中，属性分类规则识别文本中的属性表述并校正成问句模板预存储的属性，算法分类规则识别文本中的限制条件表述并校正成问句模板预存储的限制条件、根据该限制条件对实体的属性值或关系的属性值进行运算；

其中，构建概念知识图谱和实体知识图谱时，问句解析模块采用分词模型对语料进行分词，切分成石化领域的概率最高的词语，并标记词性，查询语句生成模块抽取实体，查询语句生成模块采用关系类别模型抽取关系表述，校正成问句模板预存储的关系，查询语句生成模块采用问题类别模型抽取属性表述，校正成问句模板预存储的属性；

问句解析模块采用所述分词模型对问句进行分词，查询语句生成模块抽取实体；查询语句生成模块采用所述关系类别模型抽取问句中的关系表述，校正成问句模板预存储的关系；查询语句生成模块采用所述问题类别模型抽取问句中属性表述和限制条件表述，校正成问句模板预存储的属性和限制条件。

优选的是，查询语句生成模块匹配问句模板失败时，根据实体、属性、关系及限制条件，将问句抽象为拟定模板，计算拟定模板与所有问句模板的相似度，选择相似度大于阈值的问句模板作为指定模板，并将指定模板中的属性、概念或限制条件进行要素替换为拟定模板中的属性、概念或限制条件，转化成结构化查询语句；

优选的是，计算相似度时，相似度为sim(指定模板，拟定模板)＝指定模板与拟定模板共同包含的字数/指定模板与拟定模板不重复的字数，其中，模板中的未知字符计为2个字数。

本发明至少包括以下有益效果：

第一、通过采集石化领域语料和通用语义资源，整理石化领域用户频率高的问题，以人工标注的形式形成训练集并训练成分词模型、关系类别模型和问题类别模型，进一步利用三个模型将问句规范化处理、解析，匹配问句模板转化成结构化查询语句，确认实质是查询实体还是实体间的关系，在概念知识图谱和实体知识图谱中查询，得到答案匹配答句模板；

第二、以知识图谱的形式存储和表现石化领域知识，能够针对很多复杂问题的句子进行回答，将用户问题解析或迁移成问句模板，答案的质量好，能够有效减少后期的人工干预，建立起业务需求和开发生产数据之间的联系，以自然语言交互问答的形式，为用户获取专业知识提供了便利，提高了用户体验，有助于提供用户工作效率，具有良好的扩展性。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明的基于知识图谱的石化领域问答系统的结构图；

图2为本发明的基于知识图谱的石化领域问答方法的步骤图；

图3为本发明的概念“油气田”的概念知识图谱的网络示意图；

图4为本发明的概念“井”的概念知识图谱的属性列表示意图；

图5为本发明的概念“开发单元”的概念知识图谱的属性列表示意图；

图6为本发明的实体“孤岛油田”的实体知识图谱的网络示意图；

图7为本发明的实体“孤岛中一区馆4区块”的实体知识图谱的属性列表示意图；

图8为本发明的部分冗余词串的示意图；

图9为本发明的部分问句模板的示意图；

图10为本发明的部分属性分类规则和算法分类规则的示意图；

图11为本发明的一个实例的人工标注关系类别的示意图；

图12为本发明的一个实例的关系类别训练集的示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。

需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得。

如图2所示，本发明提供一种基于知识图谱的石化领域问答方法，用户语音输入或文本输入石化领域的常见问题，例如“请问平湖油气田有多少口井”或者“请问平湖油气田的经纬度是多少啊？”，人工智能(Artificial Intelligence，英文缩写为AI)输出自然语言答案，例如“平湖油气田有38口井”或者“平湖油气田的位置为北纬29度4分、东经 124度54分”。具体来说，本方法包括：

构建包含有概念-关系-概念和概念-属性的石化领域的概念知识图谱，构建包含有实体 -关系-实体和实体-属性-属性值、关系-属性-属性值的石化领域的实体知识图谱，如图3-5 所示的概念知识图谱和图6-7所示的实体知识图谱，石化领域的知识图谱是对物理世界的一种符号表达，将互联网等信息源中积累的石化信息组织起来，成为可以被利用的石化知识，基于知识图谱的搜索引擎，能够以图形方式向用户反馈结构化的石化领域知识，用户不必浏览大量网页，就可以准确定位和深度获取石化领域知识，此处需要注意的是，概念知识图谱是具有属性的概念通关系链接而成，节点表示概念，例如“油气田”，边表示概念之间的关系，例如拥有关系、包含关系、钻探关系，通常由石化领域的业务专家根据专业知识定义，实体知识图谱是具有属性的实体通过关系链接而成，节点表示实体，例如“东庄油气田”，边表示实体之间的关系，同概念之间的关系，需要对实体的属性和关系的属性赋值，例如实体-平湖油气田，属性-位置，属性值-北纬29度4分、东经124度54分，还例如，油井和时间的关系，关系名称有“油井日注水”、“油井日采油”等关系。以“油井日注水”关系为例，关系的属性有“日产油量”“日产气量”，“日产水量”等属性，“日产油量”的值则为当日产油量。

接收用户输入的问句，做规范化处理，删除多余标点符号(例如问句末尾的标点符号)，如图8所示，删除冗余的无意义词串，对问句进行分词，分词的工具可采用现有的中文分词模型(基于HMM或LSTM等模型均可，不作限制)，对问句进行切割，切分出问句中的词语、词性，以及疑问词等，然后对词语做同义词替换，抽取实体、属性、关系及限制条件，有则抽取，无则忽略，石化领域的实体例如东庄油气田、四川盆地，属性例如位置、时产液量，关系例如钻探关系、拥有关系、包含关系，限制条件例如“与*月，下降.*吨”“.*月，大于.*方”，并将实体抽象成概念，问句中的抽象出的概念包括主体概念和目标概念，主体概念是指问句主体实体所属的概念，目标概念是指问句的目标实体所属的概念，限制条件是指问句中对主体实体对目标实体施加的限制，石化领域的实体与概念有唯一对应关系，如表1所示，将实体标记词性，如表2所示，根据词性确定实体所属概念，如图 9所示，匹配问句模板，即将规范化后的用户输入与问句模板库中的问句模板匹配，得到与用户输入问题相对应的问句模板，根据问句模板，问句中包含的实体、属性、关系以及限制条件，生成结构化查询语言，根据询问的实体的数量判断是查询实体还是查询关系，转化成相应的结构化查询语句；

表1

表2

如果询问对象仅有一个实体，判断可知是查询实体，在概念知识图谱中查询该实体所属概念是否包含问句中的该属性，是则在实体知识图谱中读取该实体的该属性的属性值，结合限制条件(如果有)，生成答案，否则直接生成答案；

如果询问对象超过一个实体，判断可知是查询关系，在概念知识图谱中查询各个实体所属概念间的最短路径，存在最短路径，例如，问句“东庄油气田多少口井”，问句中的概念为油气田、井，概念知识图谱中查询到油气田和井之间有两条路径：油气田→井、油气田→开发单元→井，第一条路径则为最短路径，则在实体知识图谱中以所述最短路径检索，东庄油气田包含的*井的数量(即边的数量)为属性值，读取目标实体的属性值或目标关系的属性值，结合限制条件(如果有)，生成答案；不存在最短路径，例如，“东庄油气田和南庄油气田的位置”，问句中的概念均为油气田，同一概念不存在路径一说，则在概念知识图谱中查询各实体所属概念是否包含该属性，确认“位置”是“油气田”的属性，则在实体知识图谱中分别读取各实体的该属性的属性值，结合限制条件(如果有)，生成答案，否则直接生成答案(输出“查询失败”类似的答案或空答案)；

将答案匹配答句模板，调整，转化成自然语言答案，记录用户日志，用户日志挖掘，进一步扩展问句模板。

在上述技术方案中，以知识图谱的形式存储和表现石化领域知识，建立起业务需求和开发生产数据之间的联系，以自然语言交互问答的形式，为用户获取专业知识提供了便利，提高了用户体验，有助于提供用户工作效率。

以用户输入问句：“请问东庄油气田有多少口油井？”为例，说明知识问答过程。

步骤3-1规范化处理

步骤3-1-1：去掉末尾的问号，得到：“请问东庄油气田有多少口油井”；

步骤3-1-2：去掉无意义的词串“请问”，得到：“东庄油气田有多少口油井”；

步骤3-2，问句解析，包括：

步骤3-2-1：词法分析，得到：“东庄油气田/St有/v多少/r口/n油井/n”；

步骤3-2-2：抽取实体、属性，得到实体：东庄油气田，无属性；

步骤3-2-3：抽取概念、关系，得到概念：油气田，油井，关系：油气田-油井；

步骤3-2-4：问句分类，问句类型分类结果：概念≥2问句是查询关系的；属性分类结果：无；算法类型分类结果：计数类；

步骤3-3：查询语句生成，包括：

步骤3-3-1：匹配问句模板，得到如下模板：

((^.*油气田)|(^.*盆地)|(^.*区块)|(^.*省))共？有？(多少|几多|好多|没有|几)(口|个)？(油？井| 油气田)

步骤3-3-2：产生查询语句，得到如下cypher查询语句：

MATCH p＝(x:OilField{名称:"东庄油气田"})-[:包含]-(y:OilSpring{})return count(y)

步骤3-3-3：生成答句模板：查询实体+“有”+查询结果+概念单位+概念；

步骤3-4：概念知识图谱检索，实体知识图谱查询，得到答案

步骤3-4-1：概念为2，概念知识图谱“油气田”和“井”最短路径为油气田→井；

步骤3-4-2：实体知识图谱查询东庄油气田→*井的边的数量；

步骤3-4-3：将实体、限制条件作为实参代入到查询模板；

步骤3-5：答案生成

步骤3-5-1：答句类型分类，本例子的答句要回答数量型问题；

步骤3-5-2：答句模板调整，本例子不需要调整答句模板；

步骤3-5-3：产生自然语言答案：东庄油气田有*口油井；

步骤3-5-4：记录用户日志；

步骤3-5-5：用户日志挖掘，扩展问句模板。

在另一种技术方案中，构建概念知识图谱和实体知识图谱具体为：

采用分词模型对石化领域的语料进行分词，分词的工具可采用现有的中文分词模型 (基于HMM或CRF等模型均可，不作限制)，只要具有一定的准确率，能够将文本切分成石化领域的概率最高的词语，并标记词性，形成实体-词性-概念的对应关系，抽取实体。采用关系类别模型抽取关系表述，由于语料中的关系表述种类繁多，但是多种关系表述可能指向同一种关系，故关系类别模型识别关系表述，校正成问句模板预存储的关系，例如“有”校正成“拥有”。根据语料中的信息为关系的属性赋值，关系属性值的获取，目前主要是从结构化数据中获取，例如从油田取得的数据，把油田的日采油数据、日注水数据作为关系存储，建立一个时间类的实体，油井就和时间建立了关系，不同的关系属性值表示不同的数据，注水数据基本上天天都有，但是每天的属性相同，属性值不同。实体属性和属性值的抽取，采用问题类别模型抽取属性表述，由于语料中的属性表述种类繁多，但是多种属性表述可能指向同一种属性，故问题类别模型识别属性表述，校正成问句模板预存储的属性，例如“在哪儿”校正成“位置”，根据语料为实体的属性赋值。目前，实体属性值得获取，一方面是从相关单位获得关于油气田等资料，这些资料大都是结构化数据，比如：油井的数据，这些数据提供了比较完备的信息，可以直接从中获得实体的属性和属性值信息。另一方面是从其他石化语料中挖掘，作为结构化数据的补充，这些数据基本上都是给实体的属性赋值，必须人工检验，保证属性值的正确性，；

根据实体的词性，抽象出实体所属概念，形成概念-属性的集合，结合石化领域的概念之间的关系，形成概念-关系-概念的集合，构建如图3-5所示的概念知识图谱；

根据实体以及实体之间的关系，形成实体-关系-实体的集合，为实体的属性赋值，形成实体-属性-属性值的集合，为关系的属性赋值，形成关系-属性-属性值的集合，构建如图6-7所示的实体知识图谱。

采用上述构建概念知识图谱和实体知识图谱的技术方案，能够针对很多复杂语料进行切分、解析，构造全面的问句模板，分词模型、关系类别模型、问题类别模型可采用人工分词、人工校正或机器分词、机器校正，以知识图谱的形式存储和表现石化领域知识，为后述问答提供全面、专业的知识库基础。

在另一种技术方案中，采用所述分词模型对问句进行分词，抽取实体；采用所述关系类别模型抽取问句中的关系表述，校正成问句模板预存储的关系；采用所述问题类别模型抽取问句中属性表述和限制条件表述，校正成问句模板预存储的属性和限制条件。采用上述构建概念知识图谱和实体知识图谱时的分词模型、关系类别模型、问题类别模型，并应用在问句解析，能够针对很多复杂问题的句子进行回答，将用户问题更好适配问句模板。

在另一种技术方案中，所述分词模型、所述关系类别模型以及所述问题类别模型的建立方式为：

从石化领域数据源中采集语料，石化领域数据源包括且不局限于石化领域科研成果、期刊等文本、结合石化领域产生过程中的数据，作为语料，从通用数据源采集语义资源，通用数据源包括且不局限于通用词词典、石化领域词典、同义词词库、停用词(串)词典、上下位词词库、石化概念词词库，人工标注语料，人工标注词语(可以理解为实体)，根据词语所属概念定义词语的词性(词语与概念的对应关系可由石化领域的业务专家根据专业知识定义，或通过石化领域词典查询)，得到分词和词性训练集，经过条件随机场训练，得到CRF分词模型；如图11-12所示，人工标注关系类别，得到关系类别训练集，将关系发现问题作为一个分类问题，通过经过有监督的SVM支持向量机分类算法训练，将实体对分类，挖掘实体之间的关系，得到关系类别模型；人工整理石化领域问题集，抽象出问句模板，标注问题类别，得到问题类别训练集，建立属性分类规则和算法分类规则，得到多维度的问题类别模型；其中，属性分类规则识别文本中的属性表述并校正成问句模板预存储的属性，即需要判断问句询问的是实体哪个方面的属性，算法分类规则识别文本中的限制条件表述并校正成问句模板预存储的限制条件、根据该限制条件对实体的属性值或关系的属性值进行运算，即需要判断对属性或者关系要施加何种算法限制，比如求最大值，求最小值，求平均值，计数等。采用本技术方案建立分词模型、关系类别模型、问题类别模型，能够快速、准确识别问句中的实体、属性、关系及限制条件，并快速调用模型进行下一步操作或运算。

在另一种技术方案中，很有可能出现用户问的全新的问题，该问题在问句模板中无记载，面对这种匹配问句模板失败的情况，根据问句中抽取的实体、属性、关系及限制条件，将问句抽象为拟定模板，计算拟定模板与所有问句模板的相似度，选择相似度大于阈值的问句模板作为指定模板，阈值为人工定义，实际操作中我们选择0.75，并将指定模板中的属性、概念或限制条件进行要素替换为拟定模板中的属性、概念或限制条件，也就是模板迁移，转化成结构化查询语句。相似度小于阈值的问句模板可人工扩展到问题模板中，并进行相应的算法规则定义。

在上述技术方案中，模板迁移是指通过计算相似度能找到与问句最匹配的模板，则可以利用该模板提供的要素信息，填充查询模板。由于两个问句并不完全形似，所以需要用新查询语句中的要素替换相似模板中的要素，可以分为：属性的迁移，概念的迁移，算法的迁移等。算法迁移，两个模板主要不同之处在与算法类型不同；属性迁移，两个模板主要不同之处在于要查询的属性不相同；概念迁移，两个模板主要不同之处在于要查询的概念不相同。前述的“请问东庄油气田有多少口油井？”实例，不需要作模板迁移。采用此技术方案，能够对查询提供很大便利，以适应石化领域概念、属性等多样化的特点。

在另一种技术方案中，计算相似度时，相似度为sim(指定模板，拟定模板)＝指定模板与拟定模板共同包含的字数/指定模板与拟定模板不重复的字数，或者表达为：sim(指定模板，拟定模板)＝指定模板∩拟定模板/(指定模板，拟定模板∪拟定模板)，指定模板和拟定模板分别代表指定模板和拟定模板中的字数，包含通配符在内，其中，模板中的未知字符计为2个字数。采用此技术方案规定的计算方法，具有较大的准确度。

现对属性迁移、概念迁移、算法迁移作详述：

1.属性迁移

问句：孤岛油田3月份产水量是多少？

分析：该问句无法与模板库中的问句模板完全匹配，但可以计算与其相似度最大的模板。计算步骤如下：

(1)将问句抽象为拟定模板

B＝.*油田.*月份产水量是多少

(2)计算拟定模板与所有问句模板的相似度，得到相似度最大的是指定模板：

A＝.*油田.*月份产油量是多少

sim(A,B)＝13/14+14-13＝0.8666

(3)求两个模板长度最长的不相同的词，这里采用分词的方法。这两个模板中不相同的词是“产水量”与“产油量”

(4)将模板B的要素中，所有的“产油量”替换为“产水量”，得到新模板

(5)利用新模板抽取查询语句的要素，并产生查询语句

2.概念的迁移

问句：G3井3月份产油量是多少？

分析：该问句无法与模板库中的模板完全匹配。采用模板迁移算法，先将问句抽象为拟定模板：

.*井.*月产油量是多少

然后通过计算相似度，可以得到相似度最大的是指定模板：

.*油田.*月产油量是多少。

比较这两个问句最大长度不相同的词语：得到“井”与“油田”；

采用概念迁移，用”井”替换”油田”,就可以得到新的模板：

.*井.*月产油量是多少

3.算法的迁移

问句：孤岛油田3月综合含水最低的井是哪个

分析：该问句无法与模板库中的模板完全匹配。

先将问句抽象为拟定模板：

.*油田.*月综合含水最低的井是哪个

采用模板迁移算法，可以得到相似度最大的是指定模板：

.*油田.*月综合含水最高的井是哪个

比较这两个问句最大长度不相同的词语：得到“最高”与“最低”

这样，只要在查询语句中，将相似模板中的算法，从“求最大值”替换为“求最小值”，就可以了。

在实际生产工作中，如图2所示，是按照以下顺序进行：

步骤1，采集加工语料

步骤1-1，采集石化语料；

步骤1-2，采集语义资源；

步骤1-3，整理问题集，并抽象出相应的问题模板；

步骤1-4，人工标注语料，得到分词和词性训练集、关系类别训练集、问题类别训练集；

步骤1-5，训练模型；

步骤1-5-1，训练分词模型；

步骤1-5-2，训练关系类别模型；

步骤1-5-3，训练问题类别模型；

步骤2，建立知识图谱

步骤2-1，建立石化领域概念知识图谱；

步骤-2-2，建立石化领域实体知识图谱；

步骤3知识问答

步骤3-1，规范化处理；

步骤3-1-1，去掉末尾的问号；

步骤3-1-2，去掉无意义的词串；

步骤3-2，问句解析；

步骤3-2-1，词法分析；

步骤3-2-2，抽取实体、属性；

步骤3-2-3，抽取概念、关系；

步骤3-2-4，问句分类；

步骤3-3，查询语句生成；

步骤3-3-1，匹配问题模板；

步骤3-3-2，问句模板迁移；

步骤3-3-3，产生cypher查询语句；

步骤3-3-4，生成答句模板；

步骤3-4，知识图谱检索，查询知识图谱，得到检索语句查询结果；

步骤3-5，答句生成；

步骤3-5-1，答句类型分类；

步骤3-5-2，答句模板调整；

步骤3-5-3，产生自然语言答案；

步骤3-5-4，记录用户日志；

步骤3-5-5用户日志挖掘，扩展问题模板。

步骤4，返回答案。

如图1所示，基于知识图谱的石化领域问答系统，包括：

采集加工层，包括从石化领域数据源中采集语料的语料采集模块，从通用数据源采集语义资源的语义资源采集模块，整理石化领域问题集的问题类别模块，标注词语及词性、关系类别、问题类别的标注模块，以及训练分词模型、关系类别模型、问题类别模型的训练模型模块；

数据层，存储石化领域数据源和通用数据源，存储分词和词性训练集、关系类别训练集、问题类别训练集，存储问句模板和答句模板，存储分词模型、关系类别模型、问题类别模型，存储包含有概念-关系-概念和概念-属性的石化领域的概念知识图谱，存储包含有实体-关系-实体和实体-属性-属性值的石化领域的实体知识图谱；

知识问答层，包括去掉问句末尾的标点符号、冗余词串的规范化处理模块，对问句进行分词的问句解析模块，抽取实体、属性、关系及限制条件、将问句转化成结构化查询语句、匹配问句模板的查询语句生成模块，检索概念知识图谱和实体知识图谱的知识图谱检索模块，生成答案并将答案匹配答句模板、转化成自然语言答案的答案生成模块；

用户交互层，接收用户输入的问句的输入模块，并将用户所需要的答案返回给用户的输出模块；

其中，如果询问对象仅有一个实体，知识图谱检索模块在概念知识图谱中查询实体所属概念是否包含该属性，是则在实体知识图谱中读取该实体的该属性的属性值，结合限制条件，答案生成模块生成答案，否则答案生成模块直接生成答案；

如果询问对象超过一个实体，知识图谱检索模块在概念知识图谱中查询各个实体所属概念间的最短路径，存在则在实体知识图谱中以所述最短路径检索，读取目标实体的属性值或目标关系的属性值，结合限制条件，答案生成模块生成答案；不存在则在概念知识图谱中查询各实体所属概念是否包含该属性，是则在实体知识图谱中分别读取各实体的该属性的属性值，结合限制条件，答案生成模块生成答案，否则答案生成模块直接生成答案。

在另一种技术方案中，所述分词模型、所述关系类别模型以及所述问题类别模型的建立方式为：

语料采集模块从石化领域数据源中采集语料，语义资源采集模块从通用数据源采集语义资源，标注模块标注词语，根据词语所属概念定义词语的词性，得到分词和词性训练集，经过条件随机场训练，得到分词模型；标注模块标注关系类别，得到关系类别训练集，经过支持向量机训练，得到关系类别模型；问题类别模块整理石化领域问题集，抽象出问句模板，标注模块标注问题类别，得到问题类别训练集，建立属性分类规则和算法分类规则，得到问题类别模型；其中，属性分类规则识别文本中的属性表述并校正成问句模板预存储的属性，算法分类规则识别文本中的限制条件表述并校正成问句模板预存储的限制条件、根据该限制条件对实体的属性值或关系的属性值进行运算；

其中，构建概念知识图谱和实体知识图谱时，问句解析模块采用分词模型对语料进行分词，切分成石化领域的概率最高的词语，并标记词性，查询语句生成模块抽取实体，查询语句生成模块采用关系类别模型抽取关系表述，校正成问句模板预存储的关系，查询语句生成模块采用问题类别模型抽取属性表述，校正成问句模板预存储的属性，根据实体的词性，抽象出实体所属概念，形成概念-属性的集合，结合石化领域的概念之间的关系，形成概念-关系-概念的集合，构建概念知识图谱；根据实体以及实体之间的关系，形成实体-关系-实体的集合，为实体的属性赋值，形成实体-属性-属性值的集合，为关系的属性赋值，形成关系-属性-属性值的集合，构建实体知识图谱；

问句解析模块采用所述分词模型对问句进行分词，查询语句生成模块抽取实体；查询语句生成模块采用所述关系类别模型抽取问句中的关系表述，校正成问句模板预存储的关系；查询语句生成模块采用所述问题类别模型抽取问句中属性表述和限制条件表述，校正成问句模板预存储的属性和限制条件。

在另一种技术方案中，查询语句生成模块匹配问句模板失败时，根据实体、属性、关系及限制条件，将问句抽象为拟定模板，计算拟定模板与所有问句模板的相似度，选择相似度大于阈值的问句模板作为指定模板，并将指定模板中的属性、概念或限制条件进行要素替换为拟定模板中的属性、概念或限制条件，转化成结构化查询语句；

在另一种技术方案中，计算相似度时，相似度为Sim(指定模板，拟定模板)＝指定模板与拟定模板共同包含的字数/指定模板与拟定模板不重复的字数，其中，模板中的未知字符计为2个字数。采用此技术方案规定的计算方法，具有较大的准确度。

这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (10)

1.基于知识图谱的石化领域问答方法，其特征在于，包括：

构建包含有概念-关系-概念和概念-属性的石化领域的概念知识图谱，构建包含有实体-关系-实体和实体-属性-属性值、关系-属性-属性值的石化领域的实体知识图谱；

接收用户输入的问句，对问句进行分词，抽取实体、属性、关系及限制条件，并将实体抽象成概念，匹配问句模板，转化成结构化查询语句；

如果询问对象仅有一个实体，在概念知识图谱中查询实体所属概念是否包含该属性，是则在实体知识图谱中读取该实体的该属性的属性值，结合限制条件，生成答案，否则直接生成答案；

如果询问对象超过一个实体，在概念知识图谱中查询各个实体所属概念间的最短路径，存在则在实体知识图谱中以所述最短路径检索，读取目标实体的属性值或目标关系的属性值，结合限制条件，生成答案；不存在则在概念知识图谱中查询各实体所属概念是否包含该属性，是则在实体知识图谱中分别读取各实体的该属性的属性值，结合限制条件，生成答案，否则直接生成答案；

将答案匹配答句模板，转化成自然语言答案。

2.如权利要求1所述的基于知识图谱的石化领域问答方法，其特征在于，构建概念知识图谱和实体知识图谱具体为：

采用分词模型对语料进行分词，切分成石化领域的概率最高的词语，并标记词性，抽取实体，采用关系类别模型抽取关系表述，校正成问句模板预存储的关系，采用问题类别模型抽取属性表述，校正成问句模板预存储的属性；

根据实体的词性，抽象出实体所属概念，形成概念-属性的集合，结合石化领域的概念之间的关系，形成概念-关系-概念的集合，构建概念知识图谱；

根据实体以及实体之间的关系，形成实体-关系-实体的集合，为实体的属性赋值，形成实体-属性-属性值的集合，为关系的属性赋值，形成关系-属性-属性值的集合，构建实体知识图谱。

3.如权利要求2所述的基于知识图谱的石化领域问答方法，其特征在于，采用所述分词模型对问句进行分词，抽取实体；采用所述关系类别模型抽取问句中的关系表述，校正成问句模板预存储的关系；采用所述问题类别模型抽取问句中属性表述和限制条件表述，校正成问句模板预存储的属性和限制条件。

4.如权利要求3所述的基于知识图谱的石化领域问答方法，其特征在于，所述分词模型、所述关系类别模型以及所述问题类别模型的建立方式为：

从石化领域数据源中采集语料，从通用数据源采集语义资源，标注词语，根据词语所属概念定义词语的词性，得到分词和词性训练集，经过条件随机场训练，得到分词模型；标注关系类别，得到关系类别训练集，经过支持向量机训练，得到关系类别模型；整理石化领域问题集，抽象出问句模板，标注问题类别，得到问题类别训练集，建立属性分类规则和算法分类规则，得到问题类别模型；其中，属性分类规则识别文本中的属性表述并校正成问句模板预存储的属性，算法分类规则识别文本中的限制条件表述并校正成问句模板预存储的限制条件、根据该限制条件对实体的属性值或关系的属性值进行运算。

5.如权利要求1所述的基于知识图谱的石化领域问答方法，其特征在于，匹配问句模板失败时，根据实体、属性、关系及限制条件，将问句抽象为拟定模板，计算拟定模板与所有问句模板的相似度，选择相似度大于阈值的问句模板作为指定模板，并将指定模板中的属性、概念或限制条件进行要素替换为拟定模板中的属性、概念或限制条件，转化成结构化查询语句。

6.如权利要求5所述的基于知识图谱的石化领域问答方法，其特征在于，计算相似度时，相似度为sim(指定模板，拟定模板)＝指定模板与拟定模板共同包含的字数/指定模板与拟定模板不重复的字数，其中，模板中的未知字符计为2个字数。

7.基于知识图谱的石化领域问答系统，其特征在于，包括：

采集加工层，包括从石化领域数据源中采集语料的语料采集模块，从通用数据源采集语义资源的语义资源采集模块，整理石化领域问题集的问题类别模块，标注词语及词性、关系类别、问题类别的标注模块，以及训练分词模型、关系类别模型、问题类别模型的训练模型模块；

数据层，存储石化领域数据源和通用数据源，存储分词和词性训练集、关系类别训练集、问题类别训练集，存储问句模板和答句模板，存储分词模型、关系类别模型、问题类别模型，存储包含有概念-关系-概念和概念-属性的石化领域的概念知识图谱，存储包含有实体-关系-实体和实体-属性-属性值的石化领域的实体知识图谱；

知识问答层，包括去掉问句末尾的标点符号、冗余词串的规范化处理模块，对问句进行分词的问句解析模块，抽取实体、属性、关系及限制条件、将问句转化成结构化查询语句、匹配问句模板的查询语句生成模块，检索概念知识图谱和实体知识图谱的知识图谱检索模块，生成答案并将答案匹配答句模板、转化成自然语言答案的答案生成模块；

用户交互层，接收用户输入的问句的输入模块，并将用户所需要的答案返回给用户的输出模块；

其中，如果询问对象仅有一个实体，知识图谱检索模块在概念知识图谱中查询实体所属概念是否包含该属性，是则在实体知识图谱中读取该实体的该属性的属性值，结合限制条件，答案生成模块生成答案，否则答案生成模块直接生成答案；

如果询问对象超过一个实体，知识图谱检索模块在概念知识图谱中查询各个实体所属概念间的最短路径，存在则在实体知识图谱中以所述最短路径检索，读取目标实体的属性值或目标关系的属性值，结合限制条件，答案生成模块生成答案；不存在则在概念知识图谱中查询各实体所属概念是否包含该属性，是则在实体知识图谱中分别读取各实体的该属性的属性值，结合限制条件，答案生成模块生成答案，否则答案生成模块直接生成答案。

8.如权利要求7所述的基于知识图谱的石化领域问答系统，其特征在于，所述分词模型、所述关系类别模型以及所述问题类别模型的建立方式为：

语料采集模块从石化领域数据源中采集语料，语义资源采集模块从通用数据源采集语义资源，标注模块标注词语，根据词语所属概念定义词语的词性，得到分词和词性训练集，经过条件随机场训练，得到分词模型；标注模块标注关系类别，得到关系类别训练集，经过支持向量机训练，得到关系类别模型；问题类别模块整理石化领域问题集，抽象出问句模板，标注模块标注问题类别，得到问题类别训练集，建立属性分类规则和算法分类规则，得到问题类别模型；其中，属性分类规则识别文本中的属性表述并校正成问句模板预存储的属性，算法分类规则识别文本中的限制条件表述并校正成问句模板预存储的限制条件、根据该限制条件对实体的属性值或关系的属性值进行运算；

其中，构建概念知识图谱和实体知识图谱时，问句解析模块采用分词模型对语料进行分词，切分成石化领域的概率最高的词语，并标记词性，查询语句生成模块抽取实体，查询语句生成模块采用关系类别模型抽取关系表述，校正成问句模板预存储的关系，查询语句生成模块采用问题类别模型抽取属性表述，校正成问句模板预存储的属性；

问句解析模块采用所述分词模型对问句进行分词，查询语句生成模块抽取实体；查询语句生成模块采用所述关系类别模型抽取问句中的关系表述，校正成问句模板预存储的关系；查询语句生成模块采用所述问题类别模型抽取问句中属性表述和限制条件表述，校正成问句模板预存储的属性和限制条件。

9.如权利要求7所述的基于知识图谱的石化领域问答系统，其特征在于，查询语句生成模块匹配问句模板失败时，根据实体、属性、关系及限制条件，将问句抽象为拟定模板，计算拟定模板与所有问句模板的相似度，选择相似度大于阈值的问句模板作为指定模板，并将指定模板中的属性、概念或限制条件进行要素替换为拟定模板中的属性、概念或限制条件，转化成结构化查询语句。

10.如权利要求9所述的基于知识图谱的石化领域问答系统，其特征在于，计算相似度时，相似度为sim(指定模板，拟定模板)＝指定模板与拟定模板共同包含的字数/指定模板与拟定模板不重复的字数，其中，模板中的未知字符计为2个字数。