CN109657037A - 一种基于实体类型和语义相似度的知识图谱问答方法及系统 - Google Patents

Abstract

一种基于实体类型和语义相似度的知识图谱问答方法，步骤1：实体识别，构建好的领域知识图谱包含不同类型实体；步骤2：相似度计算；对上述替换后获得的问题模板，根据实体类型和词向量，计算实体类型和其与模板‑逻辑数据集中给定模板的相似度值并排序，返回语义最相近的模板，在模板‑逻辑数据集中查询该模板的逻辑表达式，作为输入问题的逻辑表达式；步骤3：领域知识图谱的查询；将步骤1中识别出的实体类型、实体二元组链接到知识图谱对应实体或实体属性，将步骤2中获得的逻辑表达式映射到知识图谱中对应的实体关系，以此形成该输入问题的语义三元组；根据语义三元组在知识图谱上查询信息，生成答案。

Description

一种基于实体类型和语义相似度的知识图谱问答方法及系统

技术领域

本发明涉及人工智能和自然语言处理技术领域，尤其是一种基于实体类型和语义相似度的知识图谱问答系统。

背景技术

问答系统(QA)是人机交互的门槛，作为聊天机器人的重要组件，其技术原理分为基于搜索引擎，QA数据集和知识图谱(知识库)三类。其中，基于知识库的问答系统(KBQA)即给定自然语言问题，对问题进行语义理解和解析后，在已构建知识图谱进行查询、推理得出答案。比较其他两类问答，KBQA对信息的整合度、覆盖面和语义化程度要求高，因而在领域问题的解决上有明显优势。

知识图谱在KBQA中扮演着“大脑”的角色，通过实体和关系的形式，将领域内的知识聚合成语义网络，进而具备从“实体”，“关系”角度去“解决”，“回答”问题的能力。在技术层面，KBQA的基本方法包括基于模板，基于语义解析和基于深度学习等方法。

发明内容

本发明目的是，在现有技术背景下，基于现有知识图谱问答的方法，提出了一种基于实体类型和语义相似度的知识图谱问答系统和方法。本发明所述方法主要包括：1)实体识别；2)相似度计算；3)领域知识图谱的查询。

本发明技术方案是，一种基于实体类型和语义相似度的知识图谱问答方法及系统，以构建好的领域知识图谱为基础，实现了基于实体类型和文本相似度的语义映射，通过以下步骤：

步骤1：实体识别，构建好的领域知识图谱包含不同类型实体，领域知识图谱中的实体按实体类型分类，每一类别生成实体类词表；

通过全遍历的方式，即遍历实体类词表，识别输入问题所包含的实体类型和实体，保存为实体类型和实体相对应的二元组，同时用实体类型替换输入问题中的实体，将输入问题模板化，生成问题模板；

步骤2：相似度计算；对上述替换后获得的问题模板，根据实体类型和词向量，计算和模板-(词向量)逻辑数据集中给定模板的相似度值并排序，返回语义最相近的模板，在模板-逻辑数据集中查询该模板的逻辑表达式，作为输入问题的逻辑表达式；

步骤3：领域知识图谱的查询；将步骤1中识别出的实体类型、实体二元组链接到知识图谱对应实体或实体属性，将步骤2中获得的逻辑表达式映射到知识图谱中对应的实体关系，以此形成该输入问题的语义三元组。根据语义三元组在知识图谱上查询信息，生成答案。

有益效果：区别于单纯的基于模板方法，该方法结合实体类型和语义相似度，将自然问题转化为逻辑查询，链接到知识图谱中的实体和关系，实现智能问答。以解决知识图谱为基础的问答系统构建中，如何将自然语言转化为逻辑查询，解决基于知识图谱的语义搜索、精准问答等问题。

附图说明

图1为本发明基于实体类型和语义相似度的知识图谱问答系统流程图。

具体实施方式

以下结合附图和具体实施步骤对本发明作进一步详细说明。

步骤1，实体识别。利用领域知识图谱，识别输入问题中的实体类型和实体对象，并将输入问题替换为问题模板的格式。对问题中的疑问词，统一用“$what$”表示。

步骤11，输入领域内待回答问题。

步骤12，实体识别，将领域知识图谱中的实体按实体类型分类，每一类别生成实体类词表。遍历实体类词表，识别输入问题中的实体。

步骤13，对识别出的实体对象，标记其实体类型，保存为(实体，实体类型)的二元组形式。

步骤14，对输入问题的实体对象，用实体类型替换。对问题中的疑问词，统一用“$what$”表示。例如问题“土豆适宜和哪些食物一起食用？”中识别出实体对象“土豆”，其类型为“食物(food)”，将输入问题替换为“$food$适宜和$what$食物一起食用？”

步骤15，实体替换实体类型后的输入问题即为问题模板。

步骤2，基于实体类型和词向量计算模板相似度，在模板-逻辑数据集中找出问题模板语义最相近的模板，并将其逻辑表达式作为输入问题的逻辑表达式。

步骤21，用实体类型表示的问题模板，即步骤15的问题模板。

步骤22，模板-逻辑数据集，此部分为人工构建。收集领域内的常见问题，按照步骤2识别这些问题中涉及的实体，获得常见问题的问题模板。然后以知识图谱中的关系为基础，逐条将问题模板中的语义关系映射到图谱中的关系，并用逻辑表达式表示。

具体而言，问题中的关系包括一元关系和多元关系，前者直接根据实体类型和疑问类型用图谱中的关系直接表示，例如:“$food$适宜和$what$食物一起食用？”抽取关系词“适宜”，根据实体类型food以及疑问类型(“$what$食物”)，将其映射到知识图谱的“food_fit_food”关系上，形成逻辑表达式“(food,food_fit_food,what_food)”。后者将多元关系拆分成n个一元关系，例如：“土豆适宜和哪些蔬菜一起烹饪？”转为问题模板“$food$适宜和$what$蔬菜一起烹饪？”，根据知识图谱上的关系类型(food_fit_food,food_belongto_food)，形成逻辑表达式“(food,food_fit_food,what_food),(what_food,food_belongto_class,class)”。以此类推，对领域内的常见问题，基于领域知识图谱，通过实体识别和关系映射，形成模板-逻辑数据集。

步骤23，模板过滤。在模板-逻辑数据集中筛选，保留与输入问题模板实体类型一致的模板。

步骤24，基于词向量的模板相似度计算；即计算输入问题模板和模板-逻辑数据集中给定模板的相似度值并排序，借助word mover’s distance(WMD)计算模板和模板间的相似度，WMD的值越小，表示相似度越高；WMD计算基于词向量的表示词语，借助EMD计算两文本词汇间的转移成本，具体公式如下：

C_(i，j)＝||x_i-x_j||₂

其中x_i表示词语x的词向量，C_(i,j)表示词i和词j之间的余弦距离。c_i表示词语出现的频次，d_i表示词语在文本中的权重，T_ij表示词语i有多少转移到了词语j中。对词语x的词向量，下载中文wiki百科语料，并对语料进行分词，将分词后语料输入word2vec模型，训练得词向量模型；公式的求解使用开源工具包pyemd(https://pypi.org/project/pyemd/)；；

步骤25，对计算所得的距离排序，距离越小，相似度越大。

步骤26，选择相似度最大的目标作为近义模板。

步骤27，返回语义最相近的模板，模板-逻辑数据集中查询该模板的逻辑表达式，作为输入问题的逻辑表达式；

步骤3，结合逻辑表达式和(实体类型，实体)在知识图谱展开知识查询，获得查询结果。

步骤31，输入问题模板的逻辑表达式，即步骤27中的逻辑表达式。

步骤32，输入问题对应的(实体类型，实体)，即步骤13中的二元组(实体类型，实体)。

步骤33，将(实体类型，实体)链接到知识图谱中对应的实体对象。

步骤34，将逻辑表达式映射到图谱中的关系上，例如逻辑表达式的food_fit_food映射到图谱中食物间的关系relation:food_fit_food上。

步骤35，实体链接和关系映射的结果联合，将问题表示成语义三元组的形式，即识别出的实体类型、实体二元组链接到知识图谱对应实体或实体属性，将获得的逻辑表达式映射到知识图谱中对应的实体关系，以此形成该输入问题的语义三元组；根据语义三元组在知识图谱上查询信息，生成答案。

例如“土豆适宜和哪些食物一起食用？”表示成“(what_food,food_fit_food,food:土豆)”的形式。

步骤36，将语义三元组换为数据库上的查询语言，以图数据库为例，上述三元组转为Cypher语句“match(n:FOOD)-[:FOOD_FIT_FOOD]-(:FOOD{name:”土豆”})returnn.name”，在图谱上执行查询语句。

步骤37，查询后返回答案。对知识图谱中检索的知识，直接返回查询结果，对知识图谱中检索不到的知识，返回“该问题相关知识还未收录”作为答案。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (4)

1.一种基于实体类型和语义相似度的知识图谱问答方法，其特征是，以构建好的领域知识图谱为基础，实现基于实体类型和文本相似度的语义映射，通过以下步骤：

步骤1：实体识别，构建好的领域知识图谱包含不同类型实体，领域知识图谱中的实体按实体类型分类，每一类别生成实体类词表；

通过全遍历的方式，即遍历实体类词表，识别输入问题所包含的实体类型和实体，保存为实体类型和实体相对应的二元组，同时用实体类型替换输入问题中的实体，将输入问题模板化，生成问题模板；

步骤2：相似度计算；对上述替换后获得的问题模板，根据实体类型和词向量，计算实体类型和其与模板-逻辑数据集中给定模板的相似度值并排序，返回语义最相近的模板，在模板-逻辑数据集中查询该模板的逻辑表达式，作为输入问题的逻辑表达式；

步骤3：领域知识图谱的查询；将步骤1中识别出的实体类型、实体二元组链接到知识图谱对应实体或实体属性，将步骤2中获得的逻辑表达式映射到知识图谱中对应的实体关系，以此形成该输入问题的语义三元组；根据语义三元组在知识图谱上查询信息，生成答案。

2.根据权利要求1中所述的基于实体类型和语义相似度的知识图谱问答方法及系统，其特征是，

步骤1中：

步骤11，输入领域内待回答问题；

步骤12，实体识别，将领域知识图谱中的实体按实体类型分类，每一类别生成实体类词表；遍历实体类词表，识别输入问题中的实体；

步骤13，对识别出的实体对象，标记其实体类型，保存为(实体，实体类型)的二元组形式。

步骤14，对输入问题的实体对象，用实体类型替换；

步骤15，实体替换实体类型后的输入问题即为问题模板。

3.根据权利要求1中所述的基于实体类型和语义相似度的知识图谱问答方法及系统，其特征是，

步骤2中，

步骤21，用实体类型表示的问题模板，即步骤15的问题模板；

步骤22，模板-逻辑数据集，此部分为人工构建；收集领域内的常见问题，按照步骤2识别这些问题中涉及的实体，获得常见问题的问题模板；然后以知识图谱中的关系为基础，逐条将问题模板中的语义关系映射到图谱中的关系，并用逻辑表达式表示；

对领域内的常见问题，基于领域知识图谱，通过实体识别和关系映射，形成模板-逻辑数据集；

步骤23，模板过滤；在模板-逻辑数据集中筛选，保留与输入问题模板实体类型一致的模板；

步骤24，基于词向量的模板相似度计算；即计算词向量和模板-逻辑数据集中给定模板的相似度值并排序，借助word mover’s distance(WMD)计算模板和模板间的相似度，WMD的值越小，表示相似度越高；WMD计算基于词向量的词语表示，借助EMD计算两文本词汇间的转移成本，具体公式如下：

C_(i，j)＝|x_i-x_j|₂

其中x_i表示词语x的词向量，C_(i,表示词i和词j之间的余弦距离；c_i表示词语出现的频次，d_i表示词语在文本中的权重，T_ij表示词语i有多少转移到了词语j中；对词语x的词向量，下载中文wiki百科语料，并对语料进行分词，将分词后语料输入word2vec模型，训练得词向量模型；

步骤25，对计算所得的距离排序，距离越小，相似度越大；

步骤26，选择相似度最大的目标作为近义模板；

步骤27，返回语义最相近的模板，模板-逻辑数据集中查询该模板的逻辑表达式，上述近义模板在模板-逻辑数据集中对应的逻辑表达式即为输入问题的逻辑表达式。

4.根据权利要求1中所述的基于实体类型和语义相似度的知识图谱问答方法及系统，其特征是，

步骤3中，步骤31，输入问题模板的逻辑表达式，即步骤27中的逻辑表达式；

步骤32，输入问题对应的(实体类型，实体)，即步骤13中的二元组(实体类型，实体)；

步骤33，将(实体类型，实体)链接到知识图谱中对应的实体对象；

步骤34，将逻辑表达式映射到图谱中的关系上，例如逻辑表达式的food_fit_food映射到图谱中食物间的关系relation:food_fit_food上；

步骤35，实体链接和关系映射的结果联合，将问题表示成语义三元组的形式，即识别出的实体类型、实体二元组链接到知识图谱对应实体或实体属性，将获得的逻辑表达式映射到知识图谱中对应的实体关系，以此形成该输入问题的语义三元组；根据语义三元组在知识图谱上查询信息，生成答案。