CN114996419A - 武器装备的智能问答方法、装置、电子设备及存储介质 - Google Patents
武器装备的智能问答方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114996419A CN114996419A CN202210497828.7A CN202210497828A CN114996419A CN 114996419 A CN114996419 A CN 114996419A CN 202210497828 A CN202210497828 A CN 202210497828A CN 114996419 A CN114996419 A CN 114996419A
- Authority
- CN
- China
- Prior art keywords
- weapon
- target
- question
- attribute
- type
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 9
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000011664 signaling 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
- G06F16/35—Clustering; Classification
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及自然语言处理技术领域,提供一种武器装备的智能问答方法、装置、电子设备及存储介质。电子设备中预存有武器知识图谱和多个问题类型,每个问题类型均包括多个问题模板;通过根据用户输入的待处理问题,确定待处理问题所属的目标问题类型;然后从目标问题类型的全部问题模板中,获取与待处理问题匹配的目标问题模板;再根据目标问题模板和武器知识图谱,获得与待处理问题对应的答案。根据多个问题类型及其问题模板,可以快速地确定出最适配的问题模板并从武器知识图谱中获取到对应的答案,从而简化了操作、提高了查询效率并提升了用户体验。
Description
技术领域
本发明涉及自然语言处理技术领域,具体而言,涉及一种武器装备的智能问答方法、装置、电子设备及存储介质。
背景技术
武器装备数据是军事领域的重要数据,具有较高的军事价值。目前,一般是使用关系型数据库来存储武器装备数据,但是由于武器装备的类别繁多、关系复杂,采用这种方式存在存储效率低、查询繁琐的问题。
发明内容
有鉴于此,本发明的目的在于提供一种武器装备的智能问答方法、装置、电子设备及存储介质。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明提供一种武器装备的智能问答方法,应用于电子设备,所述电子设备预存有武器知识图谱和多个问题类型,每个所述问题类型均包括多个问题模板;所述方法包括:
根据用户输入的待处理问题,确定所述待处理问题所属的目标问题类型;
从所述目标问题类型的全部问题模板中,获取与所述待处理问题匹配的目标问题模板;
根据所述目标问题模板和所述武器知识图谱,获得与所述待处理问题对应的答案。
上述实施方式,其有益效果在于,根据多个问题类型及其问题模板,可以快速地确定出与用户输入的问题最适配的问题模板,且根据最适配的问题模板从武器知识图谱中获取到对应的答案,从而简化了操作、提高了查询效率并提升了用户体验。
在可选的实施方式中,所述电子设备还预存有属性标签库和属性索引库;每个所述问题类型均有对应的答案类型,所述答案类型包括确定值类型和非确定值类型;
在从所述目标问题类型的全部问题模板中,获取与所述待处理问题匹配的目标问题模板的步骤之后,所述方法还包括:
确定所述目标问题类型对应的目标答案类型;
若所述目标答案类型为所述确定值类型,则基于所述目标问题模板,从所述武器知识图谱中获得所述待处理问题对应的答案;
若所述目标答案类型为所述非确定值类型,则基于所述目标问题模板,从所述属性标签库或者所述属性索引库中获得所述待处理问题对应的答案。
上述实施方式,其有益效果在于,通过设定每个问题类型对应的答案类型,并对于不同答案类型,从武器知识图谱、或者属性标签库、或者属性索引库中获得待处理问题对应的答案,从而加快了获取答案的速度并提高了查询效率。
在可选的实施方式中,所述从所述目标问题类型的全部问题模板中,获取与所述待处理问题匹配的目标问题模板的步骤包括:
根据预设算法识别所述待处理问题对应的目标武器的名称和属性;
将所述目标武器的名称和属性与所述目标问题类型的全部问题模板进行匹配,获得所述目标问题模板。
上述实施方式,其有益效果在于,通过预设算法识别出待处理问题中的关键信息,便于与问题模板进行快速匹配,从而节省了时间和提高了效率。
在可选的实施方式中,所述武器知识图谱是按照以下方式得到的:
从原始武器信息中,提取多个武器的基本信息和初始标签;所述初始标签表示所述武器与其每个初始关联武器的关联类型;
根据每个所述武器的基本信息确定每个所述武器的武器类别,获得包括全部武器类别的本体库;
根据每个所述武器的基本信息进行知识融合,得到每个所述武器的实体库;
根据每个所述武器的初始标签进行知识推理,得到每个所述武器的目标标签;所述目标标签表示所述武器与其每个目标关联武器的关联类型;
根据所述本体库、每个所述武器的实体库和目标标签,得到所述武器知识图谱。
上述实施方式,其有益效果在于,通过构建武器知识图谱,便于快速查询到武器的信息,并且应用于武器装备的智能问答,从而提高了查询效率并提升了用户体验。
在可选的实施方式中,每个所述武器均具有武器标识,所述基本信息包括多个名称和多个属性名及其属性值;
所述根据每个所述武器的基本信息进行知识融合,得到每个所述武器的实体库的步骤,包括:
从全部武器中获取任意一个武器作为第一武器;
将所述第一武器的每个名称与所述第一武器的武器标识绑定;
将所述第一武器的每个属性名及其属性值与所述第一武器的武器标识绑定,得到所述第一武器的实体库;
遍历每个所述武器,获得每个所述武器的实体库。
上述实施方式,其有益效果在于,通过将每个武器的标识与其全部名称和全部属性名及属性值进行绑定,消除武器的不同名称带来的影响,从而通过武器知识图谱,可以快速准确地获取到武器的信息。
在可选的实施方式中,所述根据每个所述武器的初始标签进行知识推理,得到每个所述武器的目标标签的步骤,包括:
从全部武器中获取任意一个武器作为第二武器;
基于所述第二武器的初始标签,获取所述第二武器的每个初始关联武器,得到每个待处理武器;
对于每个所述待处理武器,从所述待处理武器的全部初始关联武器中获取间接关联武器,得到每个间接关联武器;其中,所述间接关联武器与所述待处理武器的关联类型和所述待处理武器与所述第二武器的关联类型相同;
按照预设规则确定所述第二武器与每个所述间接关联武器的关联类型;
将所述第二武器的每个初始关联武器和每个所述间接关联武器作为所述第二武器的每个目标关联武器;
根据所述第二武器与其每个目标关联武器的关联类型,得到所述第二武器的目标标签;
遍历每个所述武器,得到每个所述武器的目标标签。
上述实施方式,其有益效果在于,通过武器的初始关联武器,获取到与其间接关联的武器,并按照预设规则确定出关系类型,实现对武器之间关系的扩充和完善,使得构建出的武器知识图谱更加丰富。
在可选的实施方式中,所述方法还包括:
获取每个所述属性名的每个属性值及其对应的武器标识;
根据每个所述属性名的最大属性值及其对应的武器标识、每个所述属性名的最小属性值及其对应的武器标识,构建属性标签库;
根据每个所述属性名的每个中间属性值及其对应的武器标识,构建属性索引库;所述中间属性值表示所述属性名的全部属性值中除最大属性值和最小属性值以外的属性值。
上述实施方式,其有益效果在于,通过构建武器的属性最值的属性标签库和武器的属性非最值的属性索引库,便于快速获取到武器的信息,从而提高了查询效率。
第二方面,本发明提供一种武器装备的智能问答装置,应用于电子设备,所述电子设备预存有武器知识图谱和多个问题类型,每个所述问题类型均包括多个问题模板;所述装置包括:
确定模块,用于根据用户输入的待处理问题,确定所述待处理问题所属的目标问题类型;
匹配模块,用于从所述目标问题类型的全部问题模板中,获取与所述待处理问题匹配的目标问题模板;
答复模块,用于根据所述目标问题模板和所述武器知识图谱,获得与所述待处理问题对应的答案。
第三方面,本发明提供一种电子设备,包括处理器和存储器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现前述实施方式中任一项所述的方法。
第四方面,本发明提供一种存储介质,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现前述实施方式中任一项所述的方法。
本发明实施例提供的武器装备的智能问答方法、装置、电子设备及存储介质,电子设备中预存有武器知识图谱和多个问题类型,每个问题类型均包括多个问题模板;通过根据用户输入的待处理问题,确定待处理问题所属的目标问题类型;然后从目标问题类型的全部问题模板中,获取与待处理问题匹配的目标问题模板;再根据目标问题模板和武器知识图谱,获得与待处理问题对应的答案。根据多个问题类型及其问题模板,可以快速地确定出与用户输入的问题最适配的问题模板,且根据最适配的问题模板从武器知识图谱中获取到对应的答案,从而简化了操作、提高了查询效率并提升了用户体验。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的电子设备方框示意图;
图2示出了本发明实施例提供的武器装备的智能问答方法的一种流程示意图;
图3示出了本发明实施例提供的武器装备的智能问答方法的又一种流程示意图;
图4示出了本发明实施例提供的武器装备的智能问答方法的又一种流程示意图;
图5示出了本发明实施例提供的武器装备的智能问答方法的又一种流程示意图;
图6示出了本发明实施例提供的武器装备的智能问答装置的一种功能模块图。
图标:110-总线;120-处理器;130-存储器;150-I/O模块;170-通信接口;300-武器装备的智能问答装置;310-确定模块;330-匹配模块;350-答复模块;370-构建模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
武器装备数据是军事领域的重要数据,具有较高的军事价值。目前,一般是使用关系型数据库来存储武器装备数据,但是由于武器装备的类别繁多、关系复杂,导致查找武器装备的相关数据时耗费的时间长,存在存储效率低、查询繁琐的问题,同时对用户的体验也造成影响。进而,本发明实施例提供了一种武器装备的智能问答方法以解决上述问题。
请参照图1,是本发明实施例提供的一种电子设备的方框示意图。电子设备包括总线110、处理器120、存储器130、I/O模块150、通信接口170。
总线110可以是将上述元件相互连接并在上述元件之间传递通信(例如控制消息)的电路。
处理器120可以通过总线110从上述其它元件(例如存储器130、I/O模块150、通信接口170等)接收命令,可以解释接收到的命令,并可以根据所解释的命令来执行计算或数据处理。
处理器120可以是一种集成电路芯片,具有信号处理能力。该处理器120可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器130可以存储从处理器120或其它元件(例如I/O模块150、通信接口170等)接收的命令或数据或者由处理器120或其它元件产生的命令或数据。
存储器130可以是但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)。
I/O模块150可以接收经由输入-输出手段(例如,传感器、键盘、触摸屏等)从用户输入的命令或数据,并可以通过总线110向处理器120或存储器130传送接收到的命令或数据。并且用于显示从上述元件接收、存储、处理的各种信息(例如多媒体数据、文本数据),可以向用户显示视频、图像、数据等。
通信接口170可用于与其他节点设备进行信令或数据的通信。
可以理解的是,图1所示的结构仅为电子设备的结构示意图,电子设备还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例提供的电子设备可以是智能手机、个人计算机、平板电脑、可穿戴设备、超级移动个人计算机(ultra-mobilepersonalcomputer,UMPC)、上网本、个人数字助理(personaldigitalassistant,PDA)、服务器等。本发明实施例对此不作任何限制。
下面将以上述的电子设备作为执行主体,执行本发明实施例提供的各个方法中的各个步骤,并实现对应技术效果。
请参阅图2,图2是本发明实施例提供的一种武器装备的智能问答方法的流程示意图。
需要说明的是,电子设备预存有武器知识图谱和多个问题类型,每个问题类型均包括多个问题模板。这多个问题类型及其问题模板可以理解为,基于武器装备数据的特性预先设定的。
步骤S202,根据用户输入的待处理问题,确定待处理问题所属的目标问题类型;
在本实施例中,用户可以通过交互操作输入武器装备的相关问题即待处理问题。该交互操作可以是通过语音、交互按键、物理按键、外部设备等方式实现。
可以将待处理问题输入到预先构建的分类器,基于该分类器确定出待处理问题所属的问题类型即目标问题类型。该分类器可以是基于支持向量机SVM构建的。
步骤S204,从目标问题类型的全部问题模板中,获取与待处理问题匹配的目标问题模板;
在本实施例中,基于获得的目标问题类型,获取该目标问题类型的全部问题模板,将其中的每个问题模板与待处理问题进行匹配。
可以采用匹配度来表示问题模板与待处理问题的匹配程度,从目标问题类型的全部问题模板中获取与待处理问题的匹配度最高的问题模板,即获得目标问题模板。
步骤S206,根据目标问题模板和武器知识图谱,获得与待处理问题对应的答案;
在本实施例中,武器知识图谱可以存储在图数据库中,其包括多个武器的信息以及这多个武器之间的关系。可以从目标问题模板中确定其对应的武器,然后从武器知识图谱中获取该武器的信息,即获得待处理问题对应的答案。
可见基于上述步骤,电子设备中预存有武器知识图谱和多个问题类型,每个问题类型均包括多个问题模板;通过根据用户输入的待处理问题,确定待处理问题所属的目标问题类型;然后从目标问题类型的全部问题模板中,获取与待处理问题匹配的目标问题模板;再根据目标问题模板和武器知识图谱,获得与待处理问题对应的答案。根据多个问题类型及其问题模板,可以快速地确定出与用户输入的问题最适配的问题模板,且根据最适配的问题模板从武器知识图谱中获取到对应的答案,从而简化了操作、提高了查询效率并提升了用户体验。
请参阅图3,上述步骤S204还可以包括步骤S204-1和步骤S204-3。
步骤S204-1,根据预设算法识别待处理问题对应的目标武器的名称和属性;
在本实施例中,预设算法可以是采用双向长短时记忆网络BiLSTM的算法。通过该预设算法对待处理问题进行识别和理解,得到对应的目标武器的名称和属性。
可选地,也可以基于预先构建的武器词库获取待处理问题对应的目标武器的名称和属性。武器词库中包括一些搜索频率较高的武器的名称和属性。基于武器词库可以快速待处理问题识别出对应的武器的名称和属性。
步骤S204-3,将目标武器的名称和属性与目标问题类型的全部问题模板进行匹配,获得目标问题模板。
在本实施例中,对于目标问题类型中的每个问题模板,可以采用正则表达式将每个问题模板与待处理问题对应的目标武器的名称和属性进行匹配,得到每个匹配度,将匹配度最高的问题模板作为目标问题模板。
可见,根据预设算法识别待处理问题对应的目标武器的名称和属性,并将目标武器的名称和属性与目标问题类型的全部问题模板进行匹配,获得目标问题模板。通过预设算法识别出待处理问题中的关键信息,便于与问题模板进行快速匹配,从而节省了时间和提高了效率。
可以理解的是,基于武器装备数据的特性可以预设多个问题类型。基于武器装备数据中通常包含武器的名称、武器的属性和武器之间的关系,本发明实施例提供了4种问题类型:武器的属性值类问题、武器的属性最值类问题、武器的属性值区间类问题和武器的关系属性值类问题。需要说明的是,问题类型也可以按照实际需求设置,本发明实施例不作限定。
对于武器的属性值类问题,可以理解为是与某一武器的属性相关的问题。例如,A舰艇的长度为多少。
对于武器的属性最值类问题,可以理解为是与某种类别的武器的属性相关的问题。例如,射程最远的导弹是什么。
对于武器的属性值区间类问题,可以理解为是与某种类别的武器的属性范围相关的问题。例如,飞行速度超过a千米/小时的侦查机有哪些。
对于武器的关系属性值类问题,可以理解为是与多个武器的属性相关的问题。例如,B战斗机和C战斗机中哪个的飞行速度更快。
本发明实施基于上述4种问题类型提供了2种答案类型:确定值类型和非确定值类型。确定值类型可以理解为答案是单个确定的值。非确定值类型可以理解为答案可能是多个值、个数不确定。需要说明的是,答案类型也可以按照实际需求设置,本发明实施例不作限定。
对于不同的问题类型,其对应的答案类型也不同。为了便于理解,本发明实施基于上述4种问题类型和2种答案类型,提供了如表1所示的对应关系。
表1
在表1中,武器的属性值类问题对应的答案类型是确定值类型;武器的属性最值类问题对应的答案类型是非确定值类型;武器的属性值区间类问题对应的答案类型是非确定值类型;武器的关系属性值类问题其对应的答案类型是确定值类型。
可选地,基于上述的问题类型和答案类型,为了进一步提高查询效率,本发明实施提供了一种可能的实现方式,请参阅图4,在上述步骤S204之后,还包括以下步骤:
可以理解的是,电子设备中还预存有属性标签库和属性索引库,其均是基于武器知识图谱构建的。属性标签库中包括每个属性名的最大属性值及其武器标识和最小属性值及其武器标识。属性索引库中包括每个属性名的除最大属性值和最小属性值以外的全部中间属性值及其武器标识。
步骤S208,确定目标问题类型对应的目标答案类型;
在本实施例中,基于预先设置的问题类型与答案类型的对应关系,确定目标问题类型所对应的答案类型,即获得目标答案类型。
步骤S210-A,若目标答案类型为确定值类型,则基于目标问题模板,从武器知识图谱中获得待处理问题对应的答案;
在本实施例中,若目标答案类型为确定值类型,表示答案是单一确定的值,则根据目标问题模板生成对应的查询语句如CYPHER语句,通过该查询语句从武器知识图谱中获得答案。例如,目标问题模板是武器的属性值类问题,或者是武器的关系属性值类问题,则可以基于目标问题模板生成对应的查询语句,从武器知识图谱中获得答案。
步骤S210-B,若目标答案类型为非确定值类型,则基于目标问题模板,从属性标签库或者属性索引库中获得待处理问题对应的答案;
在本实施例中,若目标答案类型为非确定值类型,表示答案可能是多个值,个数是不确定的,则根据目标问题模板,从属性标签库或者属性索引库中获得答案。例如,目标问题模板是武器的属性最值类问题,则可以从属性标签库中获得答案。目标问题模板是武器的属性值区间类问题,则可以从属性索引库中获得答案。
可以理解的是,对于非确定值的答案类型,其答案通常为多个。通过预先构建用于存储武器的属性最值的属性标签库,和用于存储武器的属性非最值的属性索引库,可以加快获取答案的速度,从而提高查询效率。
可见,通过预设每个问题类型对应的答案类型,并对于不同答案类型,从武器知识图谱、或者属性标签库、或者属性索引库中获得待处理问题对应的答案,从而加快了获取答案的速度并提高了查询效率。
可选地,对于上述武器知识图谱,本发明实施例提供一种获得武器知识图谱的可能实现方式,请参阅图5,其中包括以下步骤:
步骤S220,从原始武器信息中,提取多个武器的基本信息和初始标签;
其中,初始标签表示武器与其每个初始关联武器的关联类型。
在本实施例中,原始武器信息可以是结构化信息,如格式为json、xml等文档,也可以是非结构化信息,如文本、包含文字的图片等。
对于结构化信息,可以直接提取武器的基本信息和武器的初始关联武器及关系类型,即获得初始标签;对于非结构化信息,可以采用OCR识别、分词、语义检索和过滤等技术,提取武器的基本信息,并且基于武器的基本信息所在的文本段落,获取到武器的初始关联武器及关系类型,即获得初始标签,则获得多个武器的基本信息和初始标签。
步骤S222,根据每个武器的基本信息确定每个武器的武器类别,获得包括全部武器类别的本体库;
在本实施例中,武器的基本信息可以包括武器的名称和属性,根据获取到的每个武器的基本信息,可以对全部武器进行分类,如按照功能或者用途或者标准类别,确定出每个武器所属的武器类别得到全部武器类别,即获得包括全部武器类别的本体库。
步骤S224,根据每个武器的基本信息进行知识融合,得到每个武器的实体库;
在本实施例中,知识融合可以理解为是将该武器的名称和属性与其建立共指关系,使其名称和属性用于共同描述同一个武器。对每个武器的基本信息进行知识融合,则可以得到每个武器的实体库。
步骤S226,根据每个武器的初始标签进行知识推理,得到每个武器的目标标签;
其中,目标标签表示武器与其每个目标关联武器的关联类型。
在本实施例中,初始标签表示武器与其每个初始关联武器的关联类型,其记录有武器之间的关系。全部初始标签可以理解为是已有的武器关系。知识推理可以理解为是基于已有的武器关系进行扩充。
根据每个武器的初始标签进行知识推理,可以得到每个武器的目标标签。全部目标标签可以理解为扩充后的武器关系。也就是说,基于初始标签进行扩充,可以进一步完善武器关系,使武器之间的关系更加丰富。
步骤S228,根据本体库、每个武器的实体库和目标标签,得到武器知识图谱。
在本实施例中,基于获得的本体库、每个武器的实体库和目标标签,可以构建武器知识图标,该武器知识图标中包括多个武器类别、每个武器类别中多个武器的基本信息、以及每个武器与其全部目标关联武器的关联类型。
可见,通过从原始武器信息中,提取多个武器的基本信息和初始标签;然后根据每个武器的基本信息确定每个武器的武器类别,获得包括全部武器类别的本体库;再根据每个武器的基本信息进行知识融合,得到每个武器的实体库,并根据每个武器的初始标签进行知识推理,得到每个武器的目标标签;最后根据本体库、每个武器的实体库和目标标签,得到武器知识图谱。通过构建武器知识图谱,便于快速查询到武器的信息,并且应用于武器装备的智能问答,从而提高了查询效率并提升了用户体验。
可选地,对于上述步骤S224,本发明实施例提供了一种可能的实现方式。
可以理解的是,一个武器通常具有标准名称、简称、代号等,则一个武器会存在多个名称。一个武器还具有描述其属性的属性名以及该属性名对应的属性值。在本实施例中,基本信息包括武器的多个名称和其多个属性名及属性值。每个武器均具有武器标识。
步骤S224-1,从全部武器中获取任意一个武器作为第一武器;
本实施例中,对于每个武器获得该武器的实体库的方式类似,为了便于理解,下面将以全部武器中获取的任意一个武器作为第一武器为例进行说明。
步骤S224-3,将第一武器的每个名称与第一武器的武器标识绑定;
在本实施例中,将第一武器的每个名称与其武器标识进行绑定,可以理解为是将同一武器的全部名称进行关联,消除同一武器的不同名称所造成的歧义影响,使不同的名称共同用于描述同一武器。
步骤S224-5,将第一武器的每个属性名及其属性值与第一武器的武器标识绑定,得到第一武器的实体库;
在本实施例中,将第一武器的每个属性名及其属性值与第一武器的武器标识进行绑定,可以理解为是建立武器标识、属性名和属性值的对应关系,将同一武器的全部属性与其进行关联,使全部的属性共同用于描述同一武器。
将第一武器的全部名称和全部属性名及其属性值,与第一武器的武器标识进行绑定,即得到第一武器的实体库。
步骤S224-7,遍历每个武器,获得每个武器的实体库。
在本实施例中,对于每个武器,均可以执行上述步骤S224-3至S224-5,获得每个武器的实体库。
可见,通过将每个武器的武器标识与其全部名称和全部属性名及属性值进行绑定,消除武器的不同名称带来的影响,从而通过武器知识图谱可以快速准确地获取到武器的信息。
可选地,对于上述步骤S226,本发明实施例提供了一种可能的实现方式。
步骤S226-1,从全部武器中获取任意一个武器作为第二武器;
本实施例中,对于每个武器获得该武器的目标标签的方式类似,为了便于理解,下面将以全部武器中获取的任意一个武器作为第二武器为例进行说明。
步骤S226-3,基于第二武器的初始标签,获取第二武器的每个初始关联武器,得到每个待处理武器;
本实施例中,基于第二武器的初始标签,获取该初始标签中的每个初始关联武器,即得到每个待处理武器。
例如,第二武器是Y武器,基于Y武器的初始标签,获取到其全部的初始关联武器即X武器,将X武器作为待处理武器。
步骤S226-5,对于每个待处理武器,从待处理武器的全部初始关联武器中获取间接关联武器,得到每个间接关联武器;
其中,间接关联武器与待处理武器的关联类型和待处理武器与第二武器的关联类型相同。
在本实施例中,对于每个待处理武器,可以基于该待处理武器的初始标签,获取该待处理武器的全部初始关联武器,从该待处理武器的全部初始关联武器中获取间接关联武器,则得到每个间接关联武器。
例如,对于X武器,基于X武器的初始标签,获取到其全部的初始关联武器即M武器和N武器,则从M武器和N武器中获取间接关联武器。其中,M武器与X武器的关系类型和X武器与Y武器的关系类型相同,则将M武器作为间接关联武器。
步骤S226-7,按照预设规则确定第二武器与每个间接关联武器的关联类型;
在本实施例,预设规则可以理解为基于武器之间的关系类型设定的推理规则。按照预设规则,可以对第二武器与每个间接关联武器的关系类型进行推理,确定出第二武器与每个间接关联武器的关联类型。
例如,M武器与X武器的关系类型是搭载,即M武器搭载在X武器;X武器与Y武器的关系类型是搭载,即X武器搭载在Y武器。按照预设规则对第二武器即Y武器与间接关联武器即M武器进行推理,得到Y武器与M武器的关系类型是搭载,即M武器搭载在Y武器。
步骤S226-9,将第二武器的每个初始关联武器和每个间接关联武器作为第二武器的每个目标关联武器;
在本实施例中,获取到每个间接关联武器,则将每个间接关联武器和第二武器的每个初始关联武器,作为第二武器的每个目标关联武器。可以理解为,初始关联武器与第二武器是直接关联的;间接关联武器与第二武器是间接关联的。
例如,将初始关联武器即X武器和间接关联武器即M武器,均作为第二武器即Y武器的目标关联武器,得到每个目标关联武器。
步骤S226-11,根据第二武器与其每个目标关联武器的关联类型,得到第二武器的目标标签;
在本实施例中,获得第二武器与其每个目标关联武器的关联类型,可以对第二武器的初始标签进行更新,即得到第二武器的目标标签。
步骤S226-13,遍历每个武器,得到每个武器的目标标签。
在本实施例中,对于每个武器,均可以执行上述步骤S226-3至S226-11,获得每个武器的目标标签。
可见,对于每个武器,基于该武器的初始标签,将该武器的全部初始关联武器作为待处理武器,从待处理武器的全部初始关联武器中获取到间接关系武器,并按照预设规则确定该武器与间接关联武器的关联类型,即得到该武器的全部目标关联武器和目标标签。通过武器的初始关联武器,获取到与其间接关联的武器,并按照预设规则确定出关系类型,实现对武器之间关系的扩充和完善,使得构建出的武器知识图谱更加丰富。
可选地,基于上述步骤S224-1至步骤S224-7获得的每个武器的实体库,在构建出武器知识图谱之后,还包括以下步骤:
步骤S230,获取每个属性名的每个属性值及其对应的武器标识;
在实施例中,基于全部武器的实体库,可以抽取出每个属性名的全部属性值及与该属性值对应的武器标识。
步骤S232,根据每个属性名的最大属性值及其对应的武器标识、每个属性名的最小属性值及其对应的武器标识,构建属性标签库;
在本实施例中,对于每个属性名,从该属性名的全部属性值中获取最大属性值及其对应的武器标识,和最小属性值及其对应的武器标识,并存储到属性标签库,即得到属性标签库。
步骤S234,根据每个属性名的每个中间属性值及其对应的武器标识,构建属性索引库;
其中,中间属性值表示属性名的全部属性值中除最大属性值和最小属性值以外的属性值。
在本实施例中,对于每个属性名,从该属性名的全部属性值中获取每个中间属性值及其对应的武器标识,并存储到属性索引库,即得到属性索引库。
可见,通过获取每个属性名的每个属性值及其对应的武器标识;然后对于每个属性名,基于其最大属性值及其对应的武器标识和其最小属性值及其对应的武器标识,构建属性标签库;并基于其除最大属性值和最小属性值以外的每个中间属性值及其对应的武器标识,构建属性索引库。通过构建武器的属性最值的属性标签库和武器的属性非最值的属性索引库,便于快速获取到武器的信息,从而提高了查询效率。
为了执行上述实施例及各个可能的方式中的相应步骤,下面给出一种武器装备的智能问答装置的实现方式。请参阅图6,图6为本发明实施例提供的一种武器装备的智能问答装置300的功能模块图。需要说明的是,本实施例所提供的武器装备的智能问答装置300,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。该武器装备的智能问答装置300包括:
确定模块310,用于根据用户输入的待处理问题,确定待处理问题所属的目标问题类型;
匹配模块330,用于从目标问题类型的全部问题模板中,获取与待处理问题匹配的目标问题模板;
答复模块350,用于根据目标问题模板和武器知识图谱,获得与待处理问题对应的答案。
可选地,答复模块350还用于:确定目标问题类型对应的目标答案类型;若目标答案类型为确定值类型,则基于目标问题模板,从武器知识图谱中获得待处理问题对应的答案;若目标答案类型为非确定值类型,则基于目标问题模板,从属性标签库或者属性索引库中获得待处理问题对应的答案。
可选地,匹配模块330还用于:根据预设算法识别待处理问题对应的目标武器的名称和属性;将目标武器的名称和属性与目标问题类型的全部问题模板进行匹配,获得目标问题模板。
可选地,武器装备的智能问答装置300还包括构建模块370,构建模块370用于:从原始武器信息中,提取多个武器的基本信息和初始标签;初始标签表示武器与其每个初始关联武器的关联类型;根据每个武器的基本信息确定每个武器的武器类别,获得包括全部武器类别的本体库;根据每个武器的基本信息进行知识融合,得到每个武器的实体库;根据每个武器的初始标签进行知识推理,得到每个武器的目标标签;目标标签表示武器与其每个目标关联武器的关联类型;根据本体库、每个武器的实体库和目标标签,得到武器知识图谱。
可选地,构建模块370还用于:从全部武器中获取任意一个武器作为第一武器;将第一武器的每个名称与第一武器的武器标识绑定;将第一武器的每个属性名及其属性值与第一武器的武器标识绑定,得到第一武器的实体库;遍历每个武器,获得每个武器的实体库。
可选地,构建模块370还用于:从全部武器中获取任意一个武器作为第二武器;基于第二武器的初始标签,获取第二武器的每个初始关联武器,得到每个待处理武器;对于每个待处理武器,从待处理武器的全部初始关联武器中获取间接关联武器,得到每个间接关联武器;其中,间接关联武器与待处理武器的关联类型和待处理武器与第二武器的关联类型相同;按照预设规则确定第二武器与每个间接关联武器的关联类型;将第二武器的每个初始关联武器和每个间接关联武器作为第二武器的每个目标关联武器;根据第二武器与其每个目标关联武器的关联类型,得到第二武器的目标标签;遍历每个武器,得到每个武器的目标标签。
可选地,构建模块370还用于:获取每个属性名的每个属性值及其对应的武器标识;根据每个属性名的最大属性值及其对应的武器标识、每个属性名的最小属性值及其对应的武器标识,构建属性标签库;根据每个属性名的每个中间属性值及其对应的武器标识,构建属性索引库;中间属性值表示属性名的全部属性值中除最大属性值和最小属性值以外的属性值。
本发明实施例还提供了一种电子设备,包括处理器120和存储器130,存储器130存储有计算机程序,处理器执行计算机程序时,实现上述实施例揭示的武器装备的智能问答方法。
本发明实施例还提供了一种存储介质,其上存储有计算机程序,该计算机程序被处理器120执行时实现本发明实施例揭示的武器装备的智能问答方法。
综上所述,本发明实施例提供的武器装备的智能问答方法、装置、电子设备及存储介质。电子设备中预存有武器知识图谱和多个问题类型,每个问题类型均包括多个问题模板;通过根据用户输入的待处理问题,确定待处理问题所属的目标问题类型;然后从目标问题类型的全部问题模板中,获取与待处理问题匹配的目标问题模板;再根据目标问题模板和武器知识图谱,获得与待处理问题对应的答案。根据多个问题类型及其问题模板,可以快速地确定出与用户输入的问题最适配的问题模板,且根据最适配的问题模板从武器知识图谱中获取到对应的答案,从而简化了操作、提高了查询效率并提升了用户体验。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种武器装备的智能问答方法,其特征在于,应用于电子设备,所述电子设备预存有武器知识图谱和多个问题类型,每个所述问题类型均包括多个问题模板;所述方法包括:
根据用户输入的待处理问题,确定所述待处理问题所属的目标问题类型;
从所述目标问题类型的全部问题模板中,获取与所述待处理问题匹配的目标问题模板;
根据所述目标问题模板和所述武器知识图谱,获得与所述待处理问题对应的答案。
2.根据权利要求1所述的方法,其特征在于,所述电子设备还预存有属性标签库和属性索引库;每个所述问题类型均有对应的答案类型,所述答案类型包括确定值类型和非确定值类型;
在从所述目标问题类型的全部问题模板中,获取与所述待处理问题匹配的目标问题模板的步骤之后,所述方法还包括:
确定所述目标问题类型对应的目标答案类型;
若所述目标答案类型为所述确定值类型,则基于所述目标问题模板,从所述武器知识图谱中获得所述待处理问题对应的答案;
若所述目标答案类型为所述非确定值类型,则基于所述目标问题模板,从所述属性标签库或者所述属性索引库中获得所述待处理问题对应的答案。
3.根据权利要求1或2所述的方法,其特征在于,所述从所述目标问题类型的全部问题模板中,获取与所述待处理问题匹配的目标问题模板的步骤包括:
根据预设算法识别所述待处理问题对应的目标武器的名称和属性;
将所述目标武器的名称和属性与所述目标问题类型的全部问题模板进行匹配,获得所述目标问题模板。
4.根据权利要求1所述的方法,其特征在于,所述武器知识图谱是按照以下方式得到的:
从原始武器信息中,提取多个武器的基本信息和初始标签;所述初始标签表示所述武器与其每个初始关联武器的关联类型;
根据每个所述武器的基本信息确定每个所述武器的武器类别,获得包括全部武器类别的本体库;
根据每个所述武器的基本信息进行知识融合,得到每个所述武器的实体库;
根据每个所述武器的初始标签进行知识推理,得到每个所述武器的目标标签;所述目标标签表示所述武器与其每个目标关联武器的关联类型;
根据所述本体库、每个所述武器的实体库和目标标签,得到所述武器知识图谱。
5.根据权利要求4所述的方法,其特征在于,每个所述武器均具有武器标识,所述基本信息包括多个名称和多个属性名及其属性值;
所述根据每个所述武器的基本信息进行知识融合,得到每个所述武器的实体库的步骤,包括:
从全部武器中获取任意一个武器作为第一武器;
将所述第一武器的每个名称与所述第一武器的武器标识绑定;
将所述第一武器的每个属性名及其属性值与所述第一武器的武器标识绑定,得到所述第一武器的实体库;
遍历每个所述武器,获得每个所述武器的实体库。
6.根据权利要求4所述的方法,其特征在于,所述根据每个所述武器的初始标签进行知识推理,得到每个所述武器的目标标签的步骤,包括:
从全部武器中获取任意一个武器作为第二武器;
基于所述第二武器的初始标签,获取所述第二武器的每个初始关联武器,得到每个待处理武器;
对于每个所述待处理武器,从所述待处理武器的全部初始关联武器中获取间接关联武器,得到每个间接关联武器;其中,所述间接关联武器与所述待处理武器的关联类型和所述待处理武器与所述第二武器的关联类型相同;
按照预设规则确定所述第二武器与每个所述间接关联武器的关联类型;
将所述第二武器的每个初始关联武器和每个所述间接关联武器作为所述第二武器的每个目标关联武器;
根据所述第二武器与其每个目标关联武器的关联类型,得到所述第二武器的目标标签;
遍历每个所述武器,得到每个所述武器的目标标签。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取每个所述属性名的每个属性值及其对应的武器标识;
根据每个所述属性名的最大属性值及其对应的武器标识、每个所述属性名的最小属性值及其对应的武器标识,构建属性标签库;
根据每个所述属性名的每个中间属性值及其对应的武器标识,构建属性索引库;所述中间属性值表示所述属性名的全部属性值中除最大属性值和最小属性值以外的属性值。
8.一种武器装备的智能问答装置,其特征在于,应用于电子设备,所述电子设备预存有武器知识图谱和多个问题类型,每个所述问题类型均包括多个问题模板;所述装置包括:
确定模块,用于根据用户输入的待处理问题,确定所述待处理问题所属的目标问题类型;
匹配模块,用于从所述目标问题类型的全部问题模板中,获取与所述待处理问题匹配的目标问题模板;
答复模块,用于根据所述目标问题模板和所述武器知识图谱,获得与所述待处理问题对应的答案。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现权利要求1至7中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210497828.7A CN114996419A (zh) | 2022-05-09 | 2022-05-09 | 武器装备的智能问答方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210497828.7A CN114996419A (zh) | 2022-05-09 | 2022-05-09 | 武器装备的智能问答方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114996419A true CN114996419A (zh) | 2022-09-02 |
Family
ID=83025869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210497828.7A Pending CN114996419A (zh) | 2022-05-09 | 2022-05-09 | 武器装备的智能问答方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114996419A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110457442A (zh) * | 2019-08-09 | 2019-11-15 | 国家电网有限公司 | 面向智能电网客服问答的知识图谱构建方法 |
CN110727779A (zh) * | 2019-10-16 | 2020-01-24 | 信雅达系统工程股份有限公司 | 基于多模型融合的问答方法及系统 |
KR20210033348A (ko) * | 2019-09-18 | 2021-03-26 | 주식회사 솔트룩스 | 지식 그래프 기반의 사용자 맞춤형 질의 응답 시스템 |
US20210201174A1 (en) * | 2019-12-30 | 2021-07-01 | International Business Machines Corporation | Generating question templates in a knowledge-graph based question and answer system |
CN113342842A (zh) * | 2021-06-10 | 2021-09-03 | 南方电网数字电网研究院有限公司 | 基于计量知识的语义查询方法、装置和计算机设备 |
CN113806513A (zh) * | 2021-09-30 | 2021-12-17 | 中国人民解放军国防科技大学 | 一种基于军事领域知识图谱的问答系统构建方法及系统 |
CN114065765A (zh) * | 2021-10-29 | 2022-02-18 | 北京来也网络科技有限公司 | 结合ai和rpa的武器装备文本处理方法、装置及电子设备 |
CN114357195A (zh) * | 2022-01-12 | 2022-04-15 | 中国平安人寿保险股份有限公司 | 基于知识图谱的问答对生成方法、装置、设备及介质 |
-
2022
- 2022-05-09 CN CN202210497828.7A patent/CN114996419A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110457442A (zh) * | 2019-08-09 | 2019-11-15 | 国家电网有限公司 | 面向智能电网客服问答的知识图谱构建方法 |
KR20210033348A (ko) * | 2019-09-18 | 2021-03-26 | 주식회사 솔트룩스 | 지식 그래프 기반의 사용자 맞춤형 질의 응답 시스템 |
CN110727779A (zh) * | 2019-10-16 | 2020-01-24 | 信雅达系统工程股份有限公司 | 基于多模型融合的问答方法及系统 |
US20210201174A1 (en) * | 2019-12-30 | 2021-07-01 | International Business Machines Corporation | Generating question templates in a knowledge-graph based question and answer system |
CN113342842A (zh) * | 2021-06-10 | 2021-09-03 | 南方电网数字电网研究院有限公司 | 基于计量知识的语义查询方法、装置和计算机设备 |
CN113806513A (zh) * | 2021-09-30 | 2021-12-17 | 中国人民解放军国防科技大学 | 一种基于军事领域知识图谱的问答系统构建方法及系统 |
CN114065765A (zh) * | 2021-10-29 | 2022-02-18 | 北京来也网络科技有限公司 | 结合ai和rpa的武器装备文本处理方法、装置及电子设备 |
CN114357195A (zh) * | 2022-01-12 | 2022-04-15 | 中国平安人寿保险股份有限公司 | 基于知识图谱的问答对生成方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108153901B (zh) | 基于知识图谱的信息推送方法和装置 | |
CN107256267B (zh) | 查询方法和装置 | |
CN109145153B (zh) | 意图类别的识别方法和装置 | |
CN110929125B (zh) | 搜索召回方法、装置、设备及其存储介质 | |
CN110427480B (zh) | 个性化文本智能推荐方法、装置及计算机可读存储介质 | |
CN111046147A (zh) | 一种问答方法、装置及终端设备 | |
CN112579733B (zh) | 规则匹配方法、规则匹配装置、存储介质及电子设备 | |
CN112507139B (zh) | 基于知识图谱的问答方法、系统、设备及存储介质 | |
CN112926308B (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN114357117A (zh) | 事务信息查询方法、装置、计算机设备及存储介质 | |
CN109472022A (zh) | 基于机器学习的新词识别方法及终端设备 | |
CN110209659A (zh) | 一种简历过滤方法、系统和计算机可读存储介质 | |
CN112613310A (zh) | 一种人名匹配方法、装置、电子设备及存储介质 | |
WO2015084757A1 (en) | Systems and methods for processing data stored in a database | |
CN117668180A (zh) | 文档问答方法、文档问答设备以及可读存储介质 | |
CN113609847B (zh) | 信息抽取方法、装置、电子设备及存储介质 | |
US11238102B1 (en) | Providing an object-based response to a natural language query | |
CN117932022A (zh) | 一种智能问答方法、装置、电子设备及存储介质 | |
CN110866085A (zh) | 数据反馈方法与装置 | |
CN115544214A (zh) | 一种事件处理方法、设备及计算机可读存储介质 | |
CN114996419A (zh) | 武器装备的智能问答方法、装置、电子设备及存储介质 | |
CN114969253A (zh) | 市场主体与政策的匹配方法、装置、计算设备及介质 | |
CN111339301B (zh) | 标签确定方法、装置、电子设备及计算机可读存储介质 | |
CN113705692A (zh) | 基于人工智能的情感分类方法、装置、电子设备及介质 | |
CN113704623A (zh) | 一种数据推荐方法、装置、设备及存储介质 |
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 |