CN110909140B - 一种图谱问答与检索问答结合的中枢路由方法及装置 - Google Patents
一种图谱问答与检索问答结合的中枢路由方法及装置 Download PDFInfo
- Publication number
- CN110909140B CN110909140B CN201911104196.8A CN201911104196A CN110909140B CN 110909140 B CN110909140 B CN 110909140B CN 201911104196 A CN201911104196 A CN 201911104196A CN 110909140 B CN110909140 B CN 110909140B
- Authority
- CN
- China
- Prior art keywords
- question
- user
- knowledge base
- words
- similar
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 7
- 238000013467 fragmentation Methods 0.000 abstract description 2
- 238000006062 fragmentation reaction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种图谱问答与检索问答结合的中枢路由方法及装置,结合图谱问答与检索问答的相关优势,将用户常规问题路由至基于FAQ检索式的智能问答系统进行处理,对于FAQ检索式的智能问答系统无法给出答案的,再路由至基于知识图谱的智能问答系统进行处理,有效利用两个模块自身优势,对多源、异构、碎片化的问题进行精准定位,提高电力营销知识问答识别精度和知识覆盖广度,极大地优化用户体验。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种图谱问答与检索问答结合的中枢路由方法及装置。
背景技术
传统的线下营业厅服务和95598电话服务将大量地转移到线上,互联网在线服务压力将急剧增加,全业务、全天候在线服务对客服人员的数量和业务能力提出了前所未有的挑战。目前的专业领域问答系统主要分为两个大类,一类是基于FAQ检索式的智能问答系统,另一类为基于知识图谱的智能问答系统,目前基于电力领域的智能问答系统中,主流的方法为基于知识图谱问答,例如电力信息运维智能应答系统,基于构建领域知识图谱,缺点是需要大规模构建领域知识图谱,目前构建领域知识图谱的不够完善。
发明内容
本发明的目的在于提供一种图谱问答与检索问答结合的中枢路由方法及装置,在电力客服智能问答中,基于强化学习的智能问答中枢路由技术,实现FAQ引擎和知识图谱引擎的有机协同,提升问答效果。
为达到上述目的,本发明采用的技术方案如下:
本发明实施例提供一种图谱问答与检索问答结合的中枢路由方法,包括:
对用户问题进行语义分析,抽取用户问题实意词;
查询FAQ知识库中与用户问题相对应的标准问题及相似问题,并将用户问题和FAQ知识库中相似问题进行一致性判断;若完全一致则返回FAQ知识库中与标准问题相对应的问题答案;否则将用户问题实意词封装传入知识图谱;
从知识图谱中获取用户问题实意词的上下位词或相关同义属性;
综合用户问题与FAQ知识库中相似问题的语义相似度,以及采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度,返回用户问题对应的问题答案。
进一步的,所述对用户问题进行语义分析,抽取用户问题中的实意词,包括:
对用户问题采用通用分词法进行分词;
去除分词后结果中的停用词;
采用命名实体识别法识别去除停用词后用户问题中的实体;
根据实意词词典抽取所获得的实体中的实意词,作为用户问题实意词。
进一步的,将LTP的停用词词典作为停用词。
进一步的,所述实意词词典包括:将电力知识库中所有数据中的名词与动词词表作为候选的实意词。
进一步的,所述将用户问题和FAQ知识库中相似问题进行一致性判断,包括:
用户问题实意词与FAQ知识库中相似问题的实意词完全一致,
且用户问题与FAQ知识库中相似问题的语义相似度的计算值大于极高阈值。
进一步的,综合用户问题与FAQ知识库中相似问题的语义相似度,以及采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度,返回用户问题对应的问题答案,包括:
计算问答置信度:
value=0.3×sim+0.7×confidence
其中,value为问答置信度,sim为用户问题与FAQ知识库中相似问题的语义相似度,confidence为采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度;
若计算结果大于设定阈值则返回FAQ知识库中标准问题相对应的问题答案,否则给出未知回答。
进一步的,所述设定阈值为0.8。
本发明实施例还提供一种图谱问答与检索问答结合的中枢路由装置,包括:
语义分析模块,用于对用户问题进行语义分析,抽取用户问题实意词;
判断模块,用于查询FAQ知识库中与用户问题相对应的标准问题及相似问题,并将用户问题和FAQ 知识库中相似问题进行一致性判断;若完全一致则返回FAQ知识库中与标准问题相对应的问题答案;否则将用户问题实意词封装传入知识图谱;
抽取模块,用于从知识图谱中获取用户问题实意词的上下位词或相关同义属性;
以及返回模块,用于综合用户问题与FAQ知识库中相似问题的语义相似度,以及采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度,返回用户问题对应的问题答案。
进一步的,所述判断模块,具体用于,
将用户问题实意词与FAQ知识库中相似问题的实意词进行一致性判断,
以及将用户问题与FAQ知识库中相似问题的语义相似度进行比对;
如果用户问题实意词与FAQ知识库中相似问题的实意词完全一致,且用户问题与FAQ知识库中相似问题的语义相似度的计算值大于极高阈值,则判断为用户问题和FAQ知识库中相似问题完全一致。
进一步的,所述返回模块,具体用于,
计算问答置信度:
value=0.3×sim+0.7×confidence
其中,value为问答置信度,sim为用户问题与FAQ知识库中相似问题的语义相似度,confidence为采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度;
若计算结果大于设定阈值则返回FAQ知识库中标准问题相对应的问题答案,否则给出未知回答。
本发明所达到的有益效果为:
本发明将用户常规问题路由至基于FAQ检索式的智能问答系统进行处理;对于FAQ检索式的智能问答系统无法给出答案的,再路由至基于知识图谱的智能问答系统进行处理,有效利用两个模块自身优势,对多源、异构、碎片化的问题进行精准定位,提高电力营销知识问答识别精度和知识覆盖广度,极大地优化用户体验。
附图说明
图1为本发明的图谱问答与检索问答结合的中枢路由方法整体流程图。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明实施例提供一种图谱问答与检索问答结合的中枢路由方法,参见图1,具体包括:
步骤1.基础词词典构建
a)停用词词典构建
将LTP的停用词词典作为本发明中停用词。
b)实意词词典构建
获取电力知识库中所有数据中的名词与动词词表作为候选的实意词,实意词为在电力领域内具有专业化的表示的一类词语。例如“采购”、“变电箱”、“电力”、“工单”、“分析”等。实意词如下表1所示。
表1实意词
采购 |
电力系统 |
变电箱 |
…… |
阶梯电价 |
工单 |
分析 |
计算每个实意词w左右信息熵,以实意词w为中心,出现在实意词w左边的词语集合为:α=(a1,a2....as),出现在实意词w右边的词语集合为:β=(b1,b2....bl),计算公式如下:
其中,L-E(w)和R-E(w)分别表示词w的左信息熵和右信息熵,n表示实意词w在电力知识语料库中出现的次数,C(ai,w)表示电力知识语料库中ai与实意词w同时出现的次数,C(w,bi)表示电力知识语料库中实意词w与bi共同出现的次数,s为出现在实意词w左边的词语个数,l为出现在词w左边的词语个数。
从左右信息熵中选择信息熵较小的实意词w,将实意词w加入实意词词典中,以构建实意词词典,实意词词典为一个二维数据表,表示候选实意词与最小信息熵的一一对应关系,如表2所示,表中得分即计算的左右信息熵中信息熵较小的数值:
表2实意词词典
候选实意词 | 得分 |
变电箱 | 0.288829687518 |
阶梯电价 | 0.035226661968 |
交费方式 | 0.224742098999 |
……… | ……… |
步骤2.用户问题的语义分析(包括分词、词性分析、命名实体识别(Named EntityRecognition,NER)、停用词去除等)。用户问题为“电力系统工单分析”,利用词性分析方法,例如结巴分词等分词方法,去除停用词(停用词词典中的词),词性分析的结果为获取实意词及对应的词性,如“电力/名词,系统/名词,工单/其他专名,分析/名动词”。FAQ知识库中的问题,如下表3所示,FAQ知识库的构建形式是:标注问题对应若干相似问题,以及标准问题-问题答案。
表3FAQ知识库表
问题1:“我买电力系统暂态和稳态,错点成了两个暂态,我可以换一本稳态嘛”,语义分析后的结果为:“购买/动词,电力/名词,系统/名词,暂/副词,态/名词性语素,稳态/名词,错/动词,点/时量词,成/ 动词,两/数词,本/量词,暂/副词,态/名词性语素,可以/动词,本/量词,稳态/名词”。
问题2:“水利水电工程管理与实务模拟试题及解析…17年的有吗?”,语义分析的结果为“水利/名词,水电/名词,工程/名词,管理/名动词,实务/其他专名,模拟/名动词,试题/名词,解析/动词,17/数词,年 /时量词”。
问题3:“彩虹系统”,语义分析的结果为:“彩虹/名词,系统/名词”。
步骤3.利用基于检索的直回语义判断(实意词是否包含、语义元素是否一致、语义相似度是否极高),若同时满足结果返回,然后直接跳出,否则进入步骤4。
3-1:实意词检测方法如下:
结合步骤2的语义分析结果,针对用户问题进行实意词抽取,将用户问题获取实意词与FAQ知识库中标准问题及相似问题的实意词进行一致性判断,若完全一致则返回FAQ知识库中问题的相应答案。检测方法如下表4所示:
表4实意词检测表
3-2:语义相似度计算方法
如果实意词检测结果不一致,则进行语义相似度计算,然后进入步骤4。语义相似度计算方法参见中国发明专利一种基于词序加权的句子相似度计算方法,申请号为201810217211.9,也可采用集合相似度、 WMD、sent2vec等方法。计算结果如下表5所示。语义相似度范围0-1,极高阈值是0.9,此阈值为经验阈值。
表5语义相似度计算结果
步骤4.将用户问题的实意词封装传入知识图谱进行查询,按照实体/上下位/属性的查询逻辑搜索知识空间。
4-1:知识图谱需要判断能否返回知识,及返回知识置信度。优先返回实体或上下位相关同义属性知识,作为高置信度知识,置信度计算方法为语义相似度计算方法,参见中国发明专利一种基于词序加权的句子相似度计算方法,申请号为201810217211.9。
将用户问题中的实意词替换成它的上下位词或相关同义属性知识,重新与FAQ知识库问题计算语义相似度,这里称为置信度。结果如下表6所示。
表6上下位词与知识库问题语义相似度计算结果
4-2:利用检索问答给出知识库的问答置信度
将步骤3-2的语义相似度的计算结果与步骤4-1基于知识图谱的置信度计算结果,以3:7的比例给出结果。计算结果如表7所示。
设定阈值为0.8,参数均为经验值。计算结果大于阈值则返回FAQ知识库中相应问题的答案,否则给出未知回答。
知识库的问答置信度计算为:
value=0.3×sim+0.7×confidence
表7知识库的问答置信度计算结果
本发明实施例还提供一种图谱问答与检索问答结合的中枢路由装置,包括:
语义分析模块,用于对用户问题进行语义分析,抽取用户问题实意词;
判断模块,用于查询FAQ知识库中与用户问题相对应的标准问题及相似问题,并将用户问题和FAQ 知识库中相似问题进行一致性判断;若完全一致则返回FAQ知识库中与标准问题相对应的问题答案;否则将用户问题实意词封装传入知识图谱;
抽取模块,用于从知识图谱中获取用户问题实意词的上下位词或相关同义属性;
以及返回模块,用于综合用户问题与FAQ知识库中相似问题的语义相似度,以及采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度,返回用户问题对应的问题答案。
进一步的,所述判断模块,具体用于,
将用户问题实意词与FAQ知识库中相似问题的实意词进行一致性判断,
以及将用户问题与FAQ知识库中相似问题的语义相似度进行比对;
如果用户问题实意词与FAQ知识库中相似问题的实意词完全一致,且用户问题与FAQ知识库中相似问题的语义相似度的计算值大于极高阈值,则判断为用户问题和FAQ知识库中相似问题完全一致。
进一步的,所述返回模块,具体用于,
计算问答置信度:
value=0.3×sim+0.7×confidence
其中,value为问答置信度,sim为用户问题与FAQ知识库中相似问题的语义相似度,confidence为采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度;
若计算结果大于设定阈值则返回FAQ知识库中标准问题相对应的问题答案,否则给出未知回答。
值得指出的是,该装置实施例是与上述方法实施例对应的,上述方法实施例的实现方式均适用于该装置实施例中,并能达到相同或相似的技术效果,故不在此赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/ 或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (8)
1.一种图谱问答与检索问答结合的中枢路由方法,其特征在于,包括:
对用户问题进行语义分析,抽取用户问题实意词;
查询FAQ知识库中与用户问题相对应的标准问题及相似问题,将用户问题和FAQ知识库中相似问题进行一致性判断;若完全一致则返回FAQ知识库中与标准问题相对应的问题答案;否则将用户问题实意词封装传入知识图谱;
从知识图谱中获取用户问题实意词的上下位词或相关同义属性;
综合用户问题与FAQ知识库中相似问题的语义相似度,以及采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度,返回用户问题对应的问题答案,包括:
计算问答置信度:
value=0.3×sim+0.7×confidence,
其中,value为问答置信度,sim为用户问题与FAQ知识库中相似问题的语义相似度,confidence为采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度;
若计算结果大于设定阈值则返回FAQ知识库中标准问题相对应的问题答案,否则给出未知回答。
2.根据权利要求1所述的一种图谱问答与检索问答结合的中枢路由方法,其特征在于,所述对用户问题进行语义分析,抽取用户问题实意词,包括:
对用户问题采用通用分词法进行分词;
去除分词后结果中的停用词;
采用命名实体识别法识别去除停用词后用户问题中的实体;
根据实意词词典抽取所获得的实体中的实意词,作为用户问题实意词。
3.根据权利要求2所述的一种图谱问答与检索问答结合的中枢路由方法,其特征在于,将LTP的停用词词典作为停用词。
4.根据权利要求2所述的一种图谱问答与检索问答结合的中枢路由方法,其特征在于,所述实意词词典包括:将电力知识库中所有数据中的名词与动词词表作为候选的实意词。
5.根据权利要求1所述的一种图谱问答与检索问答结合的中枢路由方法,其特征在于,所述将用户问题和FAQ知识库中相似问题进行一致性判断,包括:
用户问题实意词与FAQ知识库中相似问题的实意词完全一致,
且用户问题与FAQ知识库中相似问题的语义相似度的计算值大于极高阈值。
6.根据权利要求1所述的一种图谱问答与检索问答结合的中枢路由方法,其特征在于,所述设定阈值为0.8。
7.一种图谱问答与检索问答结合的中枢路由装置,其特征在于,包括:
语义分析模块,用于对用户问题进行语义分析,抽取用户问题实意词;
判断模块,用于查询FAQ知识库中与用户问题相对应的标准问题及相似问题,并将用户问题和FAQ知识库中相似问题进行一致性判断;若完全一致则返回FAQ知识库中与标准问题相对应的问题答案;否则将用户问题实意词封装传入知识图谱;
抽取模块,用于从知识图谱中获取用户问题实意词的上下位词或相关同义属性;
以及返回模块,用于综合用户问题与FAQ知识库中相似问题的语义相似度,以及采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度,计算问答置信度:
value=0.3×sim+0.7×confidence,
其中,value为问答置信度,sim为用户问题与FAQ知识库中相似问题的语义相似度,confidence为采用用户问题实意词的上下位词或相关同义属性后的用户问题与FAQ知识库中相似问题的语义相似度;
若计算结果大于设定阈值则返回FAQ知识库中标准问题相对应的问题答案,否则给出未知回答。
8.根据权利要求7所述的一种图谱问答与检索问答结合的中枢路由装置,其特征在于,所述判断模块,具体用于,
将用户问题实意词与FAQ知识库中相似问题的实意词进行一致性判断,
以及将用户问题与FAQ知识库中相似问题的语义相似度进行比对;
如果用户问题实意词与FAQ知识库中相似问题的实意词完全一致,且用户问题与FAQ知识库中相似问题的语义相似度的计算值大于极高阈值,则判断为用户问题和FAQ知识库中相似问题完全一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911104196.8A CN110909140B (zh) | 2019-11-13 | 2019-11-13 | 一种图谱问答与检索问答结合的中枢路由方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911104196.8A CN110909140B (zh) | 2019-11-13 | 2019-11-13 | 一种图谱问答与检索问答结合的中枢路由方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909140A CN110909140A (zh) | 2020-03-24 |
CN110909140B true CN110909140B (zh) | 2022-08-23 |
Family
ID=69817338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911104196.8A Active CN110909140B (zh) | 2019-11-13 | 2019-11-13 | 一种图谱问答与检索问答结合的中枢路由方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909140B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111552880B (zh) * | 2020-04-30 | 2023-06-30 | 杭州网易再顾科技有限公司 | 基于知识图谱的数据处理方法、装置、介质及电子设备 |
CN114238598A (zh) * | 2021-12-07 | 2022-03-25 | 北京妙医佳健康科技集团有限公司 | 一种问答系统及其标注、审核与模型训练的方法 |
CN115577089B (zh) * | 2022-11-24 | 2023-03-10 | 零犀(北京)科技有限公司 | 一种优化对话流程中节点的方法、装置、设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108804521A (zh) * | 2018-04-27 | 2018-11-13 | 南京柯基数据科技有限公司 | 一种基于知识图谱的问答方法及农业百科问答系统 |
CN108920599A (zh) * | 2018-06-27 | 2018-11-30 | 北京计算机技术及应用研究所 | 一种基于知识本体库的问答系统答案精准定位和抽取方法 |
CN110427478A (zh) * | 2019-08-12 | 2019-11-08 | 南京邮电大学 | 一种基于知识图谱的问答搜索方法及系统 |
-
2019
- 2019-11-13 CN CN201911104196.8A patent/CN110909140B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108804521A (zh) * | 2018-04-27 | 2018-11-13 | 南京柯基数据科技有限公司 | 一种基于知识图谱的问答方法及农业百科问答系统 |
CN108920599A (zh) * | 2018-06-27 | 2018-11-30 | 北京计算机技术及应用研究所 | 一种基于知识本体库的问答系统答案精准定位和抽取方法 |
CN110427478A (zh) * | 2019-08-12 | 2019-11-08 | 南京邮电大学 | 一种基于知识图谱的问答搜索方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110909140A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107993724B (zh) | 一种医学智能问答数据处理的方法及装置 | |
CN110909140B (zh) | 一种图谱问答与检索问答结合的中枢路由方法及装置 | |
JP5936698B2 (ja) | 単語意味関係抽出装置 | |
CN104361127B (zh) | 基于领域本体和模板逻辑的多语种问答接口快速构成方法 | |
Melucci et al. | A novel method for stemmer generation based on hidden Markov models | |
WO2017181834A1 (zh) | 一种智能问答方法及装置 | |
CN111460787A (zh) | 一种话题提取方法、装置、终端设备及存储介质 | |
CN102567509B (zh) | 视觉信息辅助的即时通信方法及系统 | |
CN104050256A (zh) | 基于主动学习的问答方法及采用该方法的问答系统 | |
CN103020230A (zh) | 一种语义模糊匹配方法 | |
CN105138511A (zh) | 一种对搜索关键词进行语义分析的方法和系统 | |
CN104199965A (zh) | 一种语义信息检索方法 | |
Sahu et al. | Prashnottar: a Hindi question answering system | |
CN112307171B (zh) | 一种基于电力知识库的制度标准检索方法及系统和可读存储介质 | |
CN109960756A (zh) | 新闻事件信息归纳方法 | |
TW201405341A (zh) | 基於產品識別的資訊分類方法及資訊分類系統 | |
CN111078893A (zh) | 一种大规模高效获取识别对话意图用语料的方法 | |
CN109189907A (zh) | 一种基于语义匹配的检索方法及装置 | |
CN111737420A (zh) | 一种基于争议焦点的类案检索方法及系统及装置及介质 | |
CN111428031A (zh) | 一种融合浅层语义信息的图模型过滤方法 | |
CN109684357B (zh) | 信息处理方法及装置、存储介质、终端 | |
Whittaker et al. | A statistical classification approach to question answering using web data | |
Quan et al. | Combine sentiment lexicon and dependency parsing for sentiment classification | |
JP2960936B2 (ja) | 係り受け解析装置 | |
CN112800314B (zh) | 搜索引擎询问自动补全的方法、系统、存储介质及设备 |
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 |