CN109710737B - 一种基于结构化查询的智能推理方法 - Google Patents

Abstract

本发明公开一种基于结构化查询的智能推理方法，基于结构化查询语言缓解或解决现有专家系统在知识获取上存在的瓶颈问题，用户基于自身的领域知识和业务特性，分析业务流程，抽象业务规则，并利用结构化查询语言形成场景规则。结构化查询语言的通用性以及普遍性降低知识获取的门槛，简化规范规则设计、规则构建。同时提供预设推理模版进一步简化规则构建过程。

Description

一种基于结构化查询的智能推理方法

技术领域

本发明涉及一种基于结构化查询的智能推理方法，属于人工智能技术领域。

背景技术

垂直领域的智能对话系统或者业务咨询系统的多轮对话能力的高低确定了其自身的竞争力和优越性，所以学界业界重点研究和突破人机交互系统多轮对话。常见多轮对话系统流程如下：首先通过语音或者文本获取到用户输入，基于自然语言处理技术完成信息结构化以及切片化的多维度分析，同时挖掘对话的隐含信息，然后联合上下文结构化信息以及相应的推理机制获取结构化答案或者反问信息，最后合成自然语言文本输出。其中推理机制结合行业知识库完成对话系统状态的更新同时决定答案内容和反问内容。

在业务驱动或用户驱动的多轮对话系统本质上就是基于用户输入和垂直行业业务知识，利用推理机制推动对话进行。推理指的是基于已知事实推理出未知事实的过程，推理方法按照解决方法分类可以分为基于描述逻辑分类、基于人工规则推理、基于概率逻辑的推理、基于表示学习和神经网络的推理。

基于描述逻辑的逻辑推理方法功能完备，但是描述逻辑概念抽象，规则复杂、可理解性偏低，学习曲线偏高；

基于人工规则的推理具有启发性，利用专业知识和经验对问题作出多个假设，依据已知条件使推理继续进行，高度灵活性，知识库与推理机制分离，增强系统灵活性，方便知识库更新维护，推理过程透明可解析；但是规则之间的关系不透明，难以观察单条规则对整个推理过程所起到的作用，同时推理引擎在每个推理周期均遍历系统内所有规则，搜索效率偏低。

基于概率逻辑推理推理方法把事件关系用概率形态进行描述，借助统计学经典概率算法实施推理，适用于网状结构关系动态推理。但是在现实生活中往往不易或者根本无法获得事件之间真实的概率关系，并且有些事件关系无法用概率表示。

基于表示学习和神经网络的推理方法，首先完成推理系统涉及的实体信息向量化，利用神经网络完成推理。但是神经网络的计算过程可解释性偏低，同时实体信息向量化需要大量文本进行训练，文本的数量、文本的覆盖程度、文本代表性以及标签规范化程度，都会导致向量化质量的下降。另外在实际中大量的专业性数据集往往不可用甚至不可得。

专利《推理机》（申请公开号：1902647A）公开了一种推理机设计方法。通过本体和描述性规则体系的辅助来回答有关预定数据的问题，本体用于数据结构化，描述性规则体系产生另外的知识。在查询评估期间，有关评估期间出现的规则的实例化的推理协议被读入与推理单元结合的评估单元。在评估单元中根据推理协议生成有关规则评估的说明。回答的逻辑推导是透明的，系统可回答技术问题并可以进行和解释技术思考。该专利采用了描述逻辑方法，该方法功能完备，但是描述逻辑概念抽象，规则复杂、可理解性偏低，学习曲线偏高，适用于复杂庞大推理系统的构建。和本专利提出的基于结构化推理方法有本质的区别。

专利《用于推断查询答案的方法和系统》（申请公开号 CN103729395A）提供了一种用于通过内容生成推断图以便回答输入查询的方法、系统和计算机程序产品。首先，从所述查询产生独立因素，并将这些因素转换成问题。然后将所述问题输入到发现关系的概率问答系统（PQA），所述关系用于迭代地扩展推断图，所述扩展从所述因素开始并以可能的答案结束。使用概率推理系统推断每个答案中的置信度，例如方式为 ：当扩展所述推断图时，跨所述推断图中的关系和节点传播置信度。可以使用推断图生成器系统同时双向地生成向前和向后推断图，如果两个路径未交汇，则所述系统使用深度控制器组件限制两个路径的生成。否则，联接器过程促使发现可以将答案联接到所述查询中的因素的关系关系。该专利核心是采用基于概率逻辑的推理方法完成问答系统的问题和答案匹配过程。基于概率逻辑推理推理方法把时间关系以概率形态进行模拟，借助统计学经典概率算法完成实施推理，使用于网状结构关系动态推理。例如疾病和病症之间的关系。但是在现实生活中往往无法获得事件之间真实的概率关系，同时有些现实生活中事件关系无法用概率表示。

专利《一种基于本体推理的知识问答系统及其工作方法》（申请公开号：CN106776797A）该专利提出一种基于本体推理的知识问答系统以其工作方法,系统包括语料库单元、知识管理单元、知识推理单元、综合知识库单元、知识问答交互单元。该系统的主要工作方法是:通过网络爬虫采集和关系型数据库数据采集;用户在知识问答交互单元的知识问答界面上输入关键字进行提问；问答引导、查询预处理、句魔匹配和模型匹配算法后进行推理并生成知识最后进行结果展现。该专利应用本体推理和产生式规则推理。产生式规则高度专业化，专业问题求解能力强，但是规则关系不透明，搜索效率偏低。本专利推理规则的构建以结构化查询语句为基础进行构建，完善产生式规则的结构、功能完整性，提升规则关系的自释性和推理效率。

专利《一种面向植物工厂的环境调控规则推理方法》(申请公开号:CN108334637A) 提出一种面向植物工厂的环境调控规则推理方法，包括步骤：1)事实、规则、模式的定义；2)事实-规则数据库；3)根据专家规则创建中，事实规则推理机Rete网络；4)根据事实进行规则推理过程；5)规则冲突解决策略；6)数据库更新；所述步骤2)中，事实-规则数据库用于存储推理得到的专家规则与当前事实的对应关系，当再次出现相同的事实时，无需再次经过推理机匹配专家规则。本发明的有益效果是：本方法根据当前环境数据自动推理出合理正确的专家规则。该专利基于专家规则以及推理机完成推理过程。虽然和本专利均是利用产生式规则完成推理，但是推理规则的产生方式截然不同。

基于人工规则的专家系统具有启发性，利用专业知识和经验对问题作出多个假设，依据已知条件使推理继续进行，高度灵活性，知识库与推理机制分离，增强系统灵活性，方便知识库更新维护。

但是专家系统普遍存在知识获取“瓶颈”，即获取知识或者规则难度较高，要求知识工程师不仅仅要具备领域知识，而且需要具备较高计算机水平知识和软件工程知识；同时规则单一化，专家通常使用以下表达方式来解释解决问题：“在什么什么情况下，应该如何做或采取什么措施。”上述表达方式很自然地转换表达为IF THEN产生式规则。同时专家系统推理引擎在每个推理周期中遍历所有规则，搜索效率偏低。

发明内容

本发明要解决的技术问题是提供一种基于结构化查询的智能推理方法，利用结构化查询方法和推理链生成机制致力于解决在知识获取阶段存在的瓶颈问题，并提高专家系统的规则搜索效率。同时基于结构化查询语句实现自定义规则，简化规则设计、便捷构建规则以及用户自主规则管理以及知识库管理。

为了解决所述技术问题，本发明采用的技术方案是：一种基于结构化查询的智能推理方法，包括以下步骤：S01）、输入模块对用户的多模态输入进行结构化分析，输出结构化文本；S02）、推理模板管理模块基于结构化查询语句规范、预定义模板以及行业实体类别完成推理模板设计，推理模版用于业务简单问答以及业务咨询的具体推理规则的生成，即根据已知条件在指定的关系表里查询未知变量-意图的值，其格式为Select <Intent>From <Table> where <Condition>={Param}，其中Intent为对话意图，Table为业务实体之间关系表，Condition为已知信息参数类型，Param为具体实体信息；S03）、推理解析模块基于步骤S01的结构化文本和步骤S02的推理模板进行推理模板解析，实现推理模板在当前输入场景下的实例化，输出标准结构化查询语句；S04）、结构化推理模块基于标准结构化查询语句从行业知识库获得推理状态；S05）、推理状态管理模块根据推理状态判断推理结果存在性，如果存在推理结果或者反问实体信息，则输出结构化答案或者反问实体，否则输出结构化实体信息至推理模板再解析模块； S06）、答案生成模块根据结构化答案或者实体生成对应的自然语言答案或者问题；S07）、推理模板再解析模块基于推理模板以及结构化实体信息完成推理模板的再解析，输出标准结构化查询语句至结构化推理模块，重复步骤S04至S07。

进一步的，步骤S02中，推理模板管理模块生成的推理模板无法满足业务需求时，用户首先分析业务通用性和特殊性，基于业务场景抽取业务关系，提取已知变量和未知变量，按照结构化查询语言规范设计构建规则。

进一步的，推理模板管理模块提高统一接口，用户通过推理模版管理客户端以及相应权限自主完成推理模版的管理、创建以及更新。

进一步的，结构化推理模块基于推理链条生成算法在推理关系集合中挖掘推理链条，形成若干条起始点为已知变量，终点为未知变量的推理路径，依据推理链条对涉及到的规则集合进行逐步推理，跳过所有不属于集合的推理规则。

进一步的，推理链条生成算法包括但不限于深度或广度优先搜索算法、迪杰斯特拉算法、弗洛伊德算法。

进一步的，推理状态管理模块基于输入模块的结构化信息中的意图信息，首先判断推理结果是否有意图值，如果存在直接输出；当意图值不存在的时候，根据推理链条以及更新后的实体信息判断推理进程，如果中间变量或者意图值有多值时，输出结构化反问实体信息到推理模版再解析模块，从而生成反问内容。

进一步的，用户的多模态输入包括但不限于语音、文本和触摸动作，输入模块利用预先定义动作指令集将触屏操作转换为文本信息，利用基于离线或者云端的语音识别技术将语音文件转换为自然语言文本，直接接受用户输入的文本信息；输入模块支持多模态数据的同时录入，其中触屏操作的优先级最高，语音输入次之，文本输入最低。

进一步的，输入模块基于具体业务信息整理分析、完成业务的结构化、切片化以及多维度定义，从而完成实体信息的抽取和多层次多维度标记。

进一步的，输入模块通过语法分析完成自然语言文本的分词和词性标记，得到自然语言文本的词语即，保留文本的全部信息，然后利用句法分析技术抽取自然语言文本中的关键信息，基于语义网络完成词语、词组以及句子的浅层语义分析，最终完成自然语言的结构化切片处理，获得结构化文本信息。

进一步的，行业知识库位于客户端，由客户进行自主管理行业知识库的增删改查，通过通用接口接入推理系统，通用接口符合数据库结构标准，实现异构数据的数据访问操作，同时用户控制推理系统访问行业知识库的权限，维护行业知识库的安全以及稳定。

本发明的有益效果：

1. 基于结构化查询语言缓解或解决知识获取的瓶颈问题，用户基于自身的领域知识和业务特性，分析业务流程，抽象业务规则，并利用结构化查询语言形成场景规则。结构化查询语言的通用性以及普遍性降低知识获取的门槛，简化规范规则设计、规则构建。同时提供预设推理模版进一步简化规则构建过程。

2. 基于机器学习算法的规则推理链生成机制抽取场景相关规则，形成推理链条。遍历推理链条涉及到的规则集合完成推理，跳过所有不隶属于集合的推理规则，提高了推理引擎所搜效率。

3. 提供统一接口，用户通过推理模版管理客户端以及相应权限自主完成推理模版的管理、创建以及更新。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的说明。

实施例1

本实施例公开一种基于结构化查询的智能推理方法，如图1所示，包括以下步骤：

步骤1、输入模块对用户的多模态输入进行结构化分析，输出结构化文本；

具体的，输入信息包含但不限于语音、文本、触摸动作等。

本实施例中，输入信息模块利用预先定义动作指令集将触屏操作转换为文本信息，或利用基于离线或者云端的语音识别技术将语音文件转换为自然语言文本，再或者直接接受用户输入的文本信息；并且输入模块支持多模态数据的同时录入。其中触屏操作的优先级最高，语音输入次之，文本输入最低。

本实施例中，输入模块基于具体业务信息整理分析，完成业务的结构化、切片化以及多维度定义，具体而言完成实体信息的抽取和多层次多维度标记。

具体的，通过词法分析完成自然语言文本的分词和词性标记，得到自然语言文本的词语集，保留文本的全部信息；然后利用句法分析技术，例如有限图分析法、短语结构分析、完全语法、局部语法以及依存分析等得到关键信息之间的语法依存关系，修饰关系等等，抽取自然语言文本中关键信息；语义分析基于语义网络完成词语、词组以及句子的浅层语义分析。最终完成自然语言的结构化切片处理，获得结构化文本信息。

步骤2、推理模版管理模块基于结构化查询语句规范、预定义模版以及行业实体类别完成推理模版设计

本实施例中，推理模版用于业务简单问答以及业务咨询的具体推理规则的生成，即根据已知条件在指定的关系表里查询未知变量-意图的值，根据用户输入文本的结构化信息，实例化Condition以及Param，在业务关系表Table里搜索推理用户查询问题的答案。推理模版的格式为Select <Intent> From <Table> where <Condition>={Param}，其中<Intent>为(对话意图，<Table>为业务实体之间关系表，<Condition>为已知信息参数类型，｛Param｝为具体实体信息。例如存在病症推导科室场景，那么<Intent>=科室，<Condition>=病症， <Table>则指的是病症科室关系表名称。

当生成的推理模版无法满足业务需求时，用户首先分析业务通用性和特殊性，基于业务场景抽取业务关系-即规则，提取已知变量和未知变量，按照结构化查询语言规范设计构建规则。例如我有点头疼应该挂哪个科室，场景业务关系为已知病症查询科室，可以建立规则Select 科室 From 病症科室 where 病症=｛头疼｝。

本实施例中，推理模版管理模块提供统一接口，用户通过推理模版管理客户端以及相应权限自主完成推理模版的管理、创建以及更新。

步骤3、推理解析模块基于步骤2的推理模版以及步骤1的结构化文本解析推理模版，即推理模版在当前场景下的实例化，输出标准结构化查询语句。例如今天我有点头疼，应该去哪个科室。解析完成后的结构化查询模版应该是Select 科室 From <Table> where病症=头疼。<Table>则指的是病症科室关系表名称。

步骤4、行业知识库向推理系统提供知识库，

本实施例中，行业知识库位于客户端，由客户进行自主管理行业知识库-知识库的增删改查，通过通用接口接入推理系统即可。具体的，行业知识库不限定知识库具体产品形态，支持Oracle、Mysql、MS SQL等各种主流关系型数据库。

本实施例中，知识库接口符合数据库结构标准(ODBC),实现异构数据库的数据访问操作，同时用户控制推理系统访问知识库的权限，维护行业知识库的安全以及稳定。

步骤5、结构化推理模块基于推理模版从行业知识库获得推理状态。

本实施例中，结构化推理利用推理链条生成算法，在推理关系集合中挖掘推理链条，形成若干条起始点为已知变量，终点位未知变量的推理路径；依据推理路径对推理链条涉及到的规则集合进行逐步推理，跳过所有不属于集合的推理规则，提高推理引擎所搜效率。

例如数据库存在病症疾病关系，疾病科室关系，但是不存在病症科室关系库。系统基于推理关系自动生成推理链条，当出现基于病症查询科室时，系统自动分两步走，先获取包含该病症的疾病，然后基于疾病查询科室。

推理链条生成算法包括不限于深度或广度优先搜索算法，也可包括迪杰斯特拉算法、弗洛伊德算法等。

步骤6、推理状态管理模块根据推理状态，判断推理结果存在性，如果存在结果或者反问实体信息输出结构化答案/反问实体，否则输出结构化实体信息，用于推理模版再解析。

本实施例中，推理状态管理模块基于输入模块的结构化信息中的意图信息，首先判断推理结果是否有意图值，如果存在直接输出。当意图值不存在的时候，根据推理链条以及更新后的实体信息判断推理进程，如果中间变量或者意图值有多值时，输出结构化反问实体信息到推理模版再解析，从而生成反问内容。

步骤7、答案生成模块根据结构化答案或者反问实体生成对应的自然语言答案或者问题。

答案生成模块主要完成结构化数据的非结构化处理。采用随机算法灵活动态生成相应问题和答案，从而避免答案格式过度僵化。

步骤8、推理模版再解析基于推理模版以及结构化反问实体信息完成推理模版的解析，即推理模版在当前场景下的实例化，输出标准结构化查询语句，然后重复步骤S04至S07，直至输出答案或者达到一定阈值停止。

本发明基于结构化查询语言缓解或解决现有专家系统在知识获取上存在的瓶颈问题，，用户基于自身的领域知识和业务特性，分析业务流程，抽象业务规则，并利用结构化查询语言形成场景规则。结构化查询语言的通用性以及普遍性降低知识获取的门槛，简化规范规则设计、规则构建。同时提供预设推理模版进一步简化规则构建过程。

基于机器学习算法的规则推理链生成机制抽取场景相关规则，形成推理链条。遍历推理链条涉及到的规则集合完成推理，跳过所有不隶属于集合的推理规则，提高了推理引擎所搜效率。

提供统一接口，用户通过推理模版管理客户端以及相应权限自主完成推理模版的管理、创建以及更新。

以上描述的仅是本发明的基本原理和优选实施例，本领域技术人员根据本发明做出的改进和替换，属于本发明的保护范围。

Claims (9)

1.一种基于结构化查询的智能推理方法，其特征在于：包括以下步骤：S01）、输入模块对用户的多模态输入进行结构化分析，输出结构化文本；S02）、推理模版管理模块基于结构化查询语句规范、预定义模版以及行业实体类别完成推理模版设计，推理模版用于业务简单问答以及业务咨询的具体推理规则的生成，即根据已知条件在指定的关系表里查询未知变量-意图的值；S03）、推理解析模块基于步骤S01的结构化文本和步骤S02的推理模版进行推理模版解析，实现推理模版在当前输入场景下的实例化，输出标准结构化查询语句；S04）、结构化推理模块基于标准结构化查询语句从行业知识库获得推理状态；S05）、推理状态管理模块根据推理状态判断推理结果存在性，如果存在推理结果或者反问实体信息，则输出结构化答案或者反问实体，否则输出结构化实体信息至推理模版再解析模块； S06）、答案生成模块根据结构化答案或者实体生成对应的自然语言答案或者问题；S07）、推理模版再解析模块基于推理模版以及结构化实体信息完成推理模版的再解析，输出标准结构化查询语句至结构化推理模块，重复步骤S04至S07；

结构化推理模块基于推理链条生成算法在推理关系集合中挖掘推理链条，形成若干条起始点为已知变量、终点为未知变量的推理路径，依据推理链条对涉及到的规则集合进行逐步推理，跳过所有不属于集合的推理规则。

2.根据权利要求1所述的基于结构化查询的智能推理方法，其特征在于：步骤S02中，推理模版管理模块生成的推理模版无法满足业务需求时，用户首先分析业务通用性和特殊性，基于业务场景抽取业务关系，提取已知变量和未知变量，按照结构化查询语言规范设计构建规则。

3.根据权利要求1所述的基于结构化查询的智能推理方法，其特征在于：推理模版管理模块提供统一接口，用户通过推理模版管理客户端以及相应权限自主完成推理模版的管理、创建以及更新。

4.根据权利要求1所述的基于结构化查询的智能推理方法，其特征在于：推理链条生成算法包括深度或广度优先搜索算法、迪杰斯特拉算法、弗洛伊德算法。

5.根据权利要求1所述的基于结构化查询的智能推理方法，其特征在于：推理状态管理模块基于输入模块的结构化信息中的意图信息，首先判断推理结果是否有意图值，如果存在直接输出；当意图值不存在的时候，根据推理链条以及更新后的实体信息判断推理进程，如果中间变量或者意图值有多值时，输出结构化反问实体信息到推理模版再解析模块，从而生成反问内容。

6.根据权利要求1所述的基于结构化查询的智能推理方法，其特征在于：用户的多模态输入包括语音、文本和触摸动作，输入模块利用预先定义动作指令集将触屏操作转换为文本信息，利用基于离线或者云端的语音识别技术将语音文件转换为自然语言文本，直接接受用户输入的文本信息；输入模块支持多模态数据的同时录入，其中触屏操作的优先级最高，语音输入次之，文本输入最低。

7.根据权利要求1所述的基于结构化查询的智能推理方法，其特征在于：输入模块基于具体业务信息整理分析，完成业务的结构化、切片化以及多维度定义，从而完成实体信息的抽取和多层次多维度标记。

8.根据权利要求7所述的基于结构化查询的智能推理方法，其特征在于：输入模块通过语法分析完成自然语言文本的分词和词性标记，得到自然语言文本的词语集，保留文本的全部信息，然后利用句法分析技术抽取自然语言文本中的关键信息，基于语义网络完成词语、词组以及句子的浅层语义分析，最终完成自然语言的结构化切片处理，获得结构化文本信息。

9.根据权利要求1所述的基于结构化查询的智能推理方法，其特征在于：行业知识库位于客户端，由客户进行自主管理行业知识库的增删改查，通过通用接口接入推理系统，通用接口符合数据库结构标准，实现异构数据的数据访问操作，同时用户控制推理系统访问行业知识库的权限，维护行业知识库的安全以及稳定。

Images