CN110019687A - 一种基于知识图谱的多意图识别***、方法、设备及介质 - Google Patents
一种基于知识图谱的多意图识别***、方法、设备及介质 Download PDFInfo
- Publication number
- CN110019687A CN110019687A CN201910290156.0A CN201910290156A CN110019687A CN 110019687 A CN110019687 A CN 110019687A CN 201910290156 A CN201910290156 A CN 201910290156A CN 110019687 A CN110019687 A CN 110019687A
- Authority
- CN
- China
- Prior art keywords
- text
- knowledge
- user
- carried out
- calculating
- 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.)
- Granted
Links
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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识图谱的多意图识别***、方法、设备及介质，包括：知识图谱，用于为图计算和推理提供数据基础；实体识别模块，用于基于所述知识图谱，从用户输入文本中识别出文本实体和文本属性；图计算模块，用于基于所述知识图谱、所述实体识别模块输出的文本实体和文本属性，进行图计算，识别用户问题；交互模块，用于调用所述图计算模块，获取所述用户问题，从知识库中进行答案召回和生成。本发明根据知识图谱自动进行多意图识别，不局限于标点、句式和句法分析，用户意图不清时，通过自动反问实现意图收敛，有效提高问题识别率和准确率，极大提升问答机器人的灵活性，对话自然。
Description
技术领域
本发明涉及计算机问答技术领域，具体涉及一种基于知识图谱的多意图识别***、方法、设备及介质。
背景技术
目前在问答领域，传统的多意图识别采用简单的基于标点句子切分，或结合句法分析，如“什么叫正当防卫？防卫过当要判多少年？”基于问好、句号、叹号等标点，可以切分成两个问题“什么是正当防卫”、“防卫过当要判多少年”，根据切分后的问题，分别在知识库中通过相似匹配召回；再如“杀人违法吗？判多少年？”可以切分为“杀人违法吗”、“判多少年”，此时切分后的问题通过句法分析可知后面一句缺少主语，现有技术中做的比较好的问答***可以从前一句提取主语，并通过模型判断主语是否应该补全。可见，现有技术对多意图识别要求提问者能够使用正确的语法表达，甚至使用正确的标点，而在实际对话问答中，由于提问者的水平参差不齐，且口语随意性较强，可能有更多缺失的内容，语法错误也较多，存在提问意图不清的情况，通过标点和句式句法分析很难正确识别其中意图。
发明内容
针对上述问题，本发明提供一种基于知识图谱的多意图识别***、方法、设备及介质，在对用户问题进行多意图识别和切分过程中，基于消歧模型对不确定意图进行自动反问，实现意图收敛，有效提高问题识别率和准确率，极大提升问答机器人的灵活性，对话自然。
本发明具体为：
一种基于知识图谱的多意图识别***，包括：
知识图谱，用于为图计算和推理提供数据基础；
实体识别模块，用于基于所述知识图谱，从用户输入文本中识别出文本实体和文本属性；
图计算模块，用于基于所述知识图谱、所述实体识别模块输出的文本实体和文本属性，进行图计算，识别用户问题；
交互模块，用于调用所述图计算模块，获取所述用户问题，从知识库中进行答案召回和生成。
进一步地，所述知识图谱根据行业进行建立，不同行业分别对应不同的知识图谱；所述知识图谱建立完成后，以RDF形式存储于图数据库中。
进一步地，所述实体识别模块还用于：
判断从用户输入文本中识别出的文本实体是否有歧义，若是则基于消歧模型计算出歧义分类及歧义概率，并自动生成消歧问题向用户反问，根据用户回答对所述文本实体进行消歧处理；否则不做处理。
进一步地，所述图计算模块进行图计算，识别用户问题，具体包括：
对所述文本实体和文本属性进行路径计算，当路径中缺失节点时，对所述节点进行自动补全，得到完整路径，确保路径连通性；
按照路径进行意图切分，识别出用户问题。
一种基于知识图谱的多意图识别方法，包括：
基于知识图谱，从用户输入文本中识别出文本实体和文本属性；
基于所述知识图谱、文本实体和文本属性，进行图计算，识别用户问题；
根据所述用户问题，从知识库中进行答案召回和生成。
进一步地，所述知识图谱根据行业进行建立，不同行业分别对应不同的知识图谱；所述知识图谱建立完成后，以RDF形式存储于图数据库中。
进一步地，所述从用户输入文本中识别出文本实体和文本属性后，还包括：
判断从用户输入文本中识别出的文本实体是否有歧义，若是则基于消歧模型计算出歧义分类及歧义概率，并自动生成消歧问题向用户反问，根据用户回答对所述文本实体进行消歧处理；否则不做处理。
进一步地，所述进行图计算，识别用户问题，具体包括：
对所述文本实体和文本属性进行路径计算，当路径中缺失节点时，对所述节点进行自动补全，得到完整路径，确保路径连通性；
按照路径进行意图切分，识别出用户问题。
一种电子设备，包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为上述电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行上述基于知识图谱的多意图识别方法。
一种计算机可读存储介质，存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述基于知识图谱的多意图识别方法。
本发明的有益效果体现在：
本发明针对用户提问的输入文本，根据知识图谱自动进行多意图识别，不局限于标点、句式和句法分析，且对意图自动进行切分，并进行答案生成；用户意图不清时，可在自行推理后，通过自动反问实现意图收敛，有效提高问题识别率和准确率，极大提升问答机器人的灵活性，对话自然。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例一种基于知识图谱的多意图识别***结构图；
图2为本发明实施例一种知识图谱示意图；
图3为本发明实施例一种图计算过程中的路径示意图；
图4为本发明实施例一种基于知识图谱的多意图识别方法流程图；
图5为本发明实施例另一种基于知识图谱的多意图识别方法流程图；
图6为本发明实施例一种电子设备结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示，为本发明一种基于知识图谱的多意图识别***实施例，包括：
知识图谱11，用于为图计算和推理提供数据基础；
实体识别模块12，用于基于所述知识图谱，从用户输入文本中识别出文本实体和文本属性；
图计算模块13，用于基于所述知识图谱、所述实体识别模块输出的文本实体和文本属性，进行图计算，识别用户问题；
交互模块14，用于调用所述图计算模块，获取所述用户问题，从知识库中进行答案召回和生成。
优选地，所述知识图谱根据行业进行建立，不同行业分别对应不同的知识图谱；所述知识图谱建立完成后，以RDF形式存储于图数据库中；以证券行业为例，给出一种知识图谱示意图，如图2所示。
优选地，所述实体识别模块还用于：
判断从用户输入文本中识别出的文本实体是否有歧义，若是则基于消歧模型计算出歧义分类及歧义概率，并自动生成消歧问题向用户反问，根据用户回答对所述文本实体进行消歧处理；否则不做处理。
例如，用户输入文本，即用户提问“我想买平安，怎么买”，***识别出文本实体“平安”，属性“购买”；
通常情况下，平安可能是平平安安的意思，在证券领域，平安是中国平安的别称，但是基于证券行业知识图谱，该文本实体没有歧义，无需消歧；
基于知识图谱，进一步识别出中国平安这个股票实例分别属于港股和A股两个概念下，这两个概念均为股票的子概念，因此该用户问题的识别结果为：
实体：中国平安[isa港股，isa A股]，港股[isa股票]，A股[isa股票]
属性：购买
由于港股和A股同属于股票，***无法自动消歧，因此自动生成消歧问题向用户反问：
请问是购买中国平安[02318.HK]还是中国平安[601318]？
最后根据用户回答，来确定文本实体具体属于哪个概念实体。
优选地，所述图计算模块进行图计算，识别用户问题，具体包括：
对所述文本实体和文本属性进行路径计算，当路径中缺失节点时，对所述节点进行自动补全，得到完整路径，确保路径连通性；
按照路径进行意图切分，识别出用户问题。
一般情况下，用户输入文本的一个问题可能有1-3个意图，单意图不在本发明考虑范围内，2个以上意图与2个意图的处理方式类似，因此以2个意图为例，给出一种图计算实施例；其中，路径计算时的路径示意图如图3所示，并包括如下计算情况：
(1)a、b识别到两个文本实体，并且构成两条完整路径，此时可直接按照路径进行意图切分，生成两个问题；
(2)c、d识别到一个文本实体，从该文本实体出发构成两条完整路径，此时同样可以直接按照路径进行意图切分，切分时补全文本实体，生成两个问题；
(3)e分两种情况，一是识别到一个文本实体，从该文本实体出发构成两条完整路径，中间未出现属性节点补全，此时同(2)的处理方法；二是识别到一个文本实体，从该文本实体出发构成两条路径，中间出现属性节点补全，从图上看，确定是出发点和终点，中间节点为推理得出，此时需按照补全后的路径进行意图切分，切分时补全实体，生成两个问题，并通过向用户反问进行意图澄清。
以b为例，用户提问“港股和A股的交收规则”，***进行实体识别：
实体：港股，A股；属性：交收，规则
根据知识图谱，港股属性有交收规则，A股属性也有交收规则，因此进行意图拆分：
实体1：港股，属性：交收规则
问题1：港股的交收规则
实体2：A股，属性：交收规则
问题2：A股的交收规则”。
如图4所示，为本发明一种基于知识图谱的多意图识别方法实施例，包括：
S41：基于知识图谱，从用户输入文本中识别出文本实体和文本属性；
S42：基于所述知识图谱、文本实体和文本属性，进行图计算，识别用户问题；
S43：根据所述用户问题，从知识库中进行答案召回和生成。
优选地，所述知识图谱根据行业进行建立，不同行业分别对应不同的知识图谱；所述知识图谱建立完成后，以RDF形式存储于图数据库中。
优选地，所述从用户输入文本中识别出文本实体和文本属性后，还包括：
判断从用户输入文本中识别出的文本实体是否有歧义，若是则基于消歧模型计算出歧义分类及歧义概率，并自动生成消歧问题向用户反问，根据用户回答对所述文本实体进行消歧处理；否则不做处理。
优选地，所述进行图计算，识别用户问题，具体包括：
对所述文本实体和文本属性进行路径计算，当路径中缺失节点时，对所述节点进行自动补全，得到完整路径，确保路径连通性；
按照路径进行意图切分，识别出用户问题。
为进一步对本发明进行说明，给出另一种基于知识图谱的多意图识别方法实施例，如图5所示，包括：
S51：接收用户提问；
S52：对所述用户提问进行文本实体和属性识别；
S53：判断识别的文本实体是否为多实体或属性分支，若是则进入S54；否则判定用户提问为单意图；
同时，判断识别的文本实体是否有不确定的上级，若是则向用户反问，获取用户选择，明确意图；否则可直接明确意图；
S54：根据路径计算结果进行意图切分；
S55：得到切分后的意图列表。
本发明实施例还提供一种电子设备，如图6所示，可以实现本发明图4-5所示实施例的流程，如图6所示，上述电子设备可以包括：壳体61、处理器62、存储器63、电路板64和电源电路65，其中，电路板64安置在壳体61围成的空间内部，处理器62和存储器63设置在电路板64上；电源电路65，用于为上述电子设备的各个电路或器件供电；存储器63用于存储可执行程序代码；处理器62通过读取存储器63中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行前述任一实施例所述的方法。
处理器62对上述步骤的具体执行过程以及处理器62通过运行可执行程序代码来进一步执行的步骤，可以参见本发明图4-5所示实施例的描述，在此不再赘述。
该电子设备以多种形式存在，包括但不限于：
(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MID和UMPC设备等，例如iPad。
(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、***总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子设备。
本发明的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现前述基于知识图谱的多意图识别方法。
本发明针对用户提问的输入文本，根据知识图谱自动进行多意图识别，不局限于标点、句式和句法分析，且对意图自动进行切分，并进行答案生成；用户意图不清时，可在自行推理后，通过自动反问实现意图收敛，有效提高问题识别率和准确率，极大提升问答机器人的灵活性，对话自然。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于知识图谱的多意图识别***，其特征在于，包括：
知识图谱，用于为图计算和推理提供数据基础；
实体识别模块，用于基于所述知识图谱，从用户输入文本中识别出文本实体和文本属性；
图计算模块，用于基于所述知识图谱、所述实体识别模块输出的文本实体和文本属性，进行图计算，识别用户问题；
交互模块，用于调用所述图计算模块，获取所述用户问题，从知识库中进行答案召回和生成。
2.如权利要求1所述的***，其特征在于，所述知识图谱根据行业进行建立，不同行业分别对应不同的知识图谱；所述知识图谱建立完成后，存储于图数据库中。
3.如权利要求2所述的***，其特征在于，所述实体识别模块还用于：
判断从用户输入文本中识别出的文本实体是否有歧义，若是则基于消歧模型计算出歧义分类及歧义概率，并自动生成消歧问题向用户反问，根据用户回答对所述文本实体进行消歧处理；否则不做处理。
4.如权利要求3所述的***，其特征在于，所述图计算模块进行图计算，识别用户问题，具体包括：
对所述文本实体和文本属性进行路径计算，当路径中缺失节点时，对所述节点进行自动补全，得到完整路径；
按照路径进行意图切分，识别出用户问题。
5.一种基于知识图谱的多意图识别方法，其特征在于，包括：
基于知识图谱，从用户输入文本中识别出文本实体和文本属性；
基于所述知识图谱、文本实体和文本属性，进行图计算，识别用户问题；
根据所述用户问题，从知识库中进行答案召回和生成。
6.如权利要求5所述的方法，其特征在于，所述知识图谱根据行业进行建立，不同行业分别对应不同的知识图谱；所述知识图谱建立完成后，存储于图数据库中。
7.如权利要求6所述的方法，其特征在于，所述从用户输入文本中识别出文本实体和文本属性后，所述方法还包括：
判断从用户输入文本中识别出的文本实体是否有歧义，若是则基于消歧模型计算出歧义分类及歧义概率，并自动生成消歧问题向用户反问，根据用户回答对所述文本实体进行消歧处理；否则不做处理。
8.如权利要求7所述的方法，其特征在于，所述进行图计算，识别用户问题，具体包括：
对所述文本实体和文本属性进行路径计算，当路径中缺失节点时，对所述节点进行自动补全，得到完整路径；
按照路径进行意图切分，识别出用户问题。
9.一种电子设备，其特征在于，所述电子设备包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为上述电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行权利要求5-8项任一所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求5-8项任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910290156.0A CN110019687B (zh) | 2019-04-11 | 2019-04-11 | 一种基于知识图谱的多意图识别***、方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910290156.0A CN110019687B (zh) | 2019-04-11 | 2019-04-11 | 一种基于知识图谱的多意图识别***、方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110019687A true CN110019687A (zh) | 2019-07-16 |
| CN110019687B CN110019687B (zh) | 2021-03-23 |
Family
ID=67191129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910290156.0A Active CN110019687B (zh) | 2019-04-11 | 2019-04-11 | 一种基于知识图谱的多意图识别***、方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110019687B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110704641A (zh) * | 2019-10-11 | 2020-01-17 | 零犀(北京)科技有限公司 | 一种万级意图分类方法、装置、存储介质及电子设备 |
| CN111428018A (zh) * | 2020-03-26 | 2020-07-17 | 中国建设银行股份有限公司 | 智能问答方法及装置 |
| CN111666399A (zh) * | 2020-06-23 | 2020-09-15 | 中国平安人寿保险股份有限公司 | 基于知识图谱的智能问答方法、装置和计算机设备 |
| CN112560477A (zh) * | 2020-12-09 | 2021-03-26 | 中科讯飞互联(北京)信息科技有限公司 | 文本补全方法以及电子设备、存储装置 |
| CN112650859A (zh) * | 2020-12-29 | 2021-04-13 | 北京欧拉认知智能科技有限公司 | 一种用户意图识别方法、设备及模型构建方法 |
| CN113239146A (zh) * | 2021-05-12 | 2021-08-10 | 平安科技（深圳）有限公司 | 应答分析方法、装置、设备及存储介质 |
| CN113377943A (zh) * | 2021-08-16 | 2021-09-10 | 中航信移动科技有限公司 | 多轮智能问答数据处理*** |
| WO2022252351A1 (zh) * | 2021-06-02 | 2022-12-08 | 上海擎感智能科技有限公司 | 车机***的控制方法及控制*** |
| CN116432615A (zh) * | 2023-06-12 | 2023-07-14 | 中国第一汽车股份有限公司 | 文本处理方法及装置 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982097A (zh) * | 2011-11-03 | 2013-03-20 | 微软公司 | 用于基于知识的数据质量解决方案的域 |
| CN105701253A (zh) * | 2016-03-04 | 2016-06-22 | 南京大学 | 中文自然语言问句语义化的知识库自动问答方法 |
| CN105760514A (zh) * | 2016-02-24 | 2016-07-13 | 西安交通大学 | 一种从社区问答网站自动获取知识领域短文本的方法 |
| US20160203412A1 (en) * | 2014-12-12 | 2016-07-14 | International Business Machines Corporation | Inferred Facts Discovered through Knowledge Graph Derived Contextual Overlays |
| CN106095932A (zh) * | 2016-06-13 | 2016-11-09 | 竹间智能科技（上海）有限公司 | 百科知识问句识别方法及装置 |
| CN106934012A (zh) * | 2017-03-10 | 2017-07-07 | 上海数眼科技发展有限公司 | 一种基于知识图谱的自然语言问答实现方法和*** |
| CN107958091A (zh) * | 2017-12-28 | 2018-04-24 | 北京贝塔智投科技有限公司 | 一种基于金融垂直知识图谱的nlp人工智能方法及交互*** |
| CN107992543A (zh) * | 2017-11-27 | 2018-05-04 | 上海智臻智能网络科技股份有限公司 | 问答交互方法和装置、计算机设备及计算机可读存储介质 |
| CN108196880A (zh) * | 2017-12-11 | 2018-06-22 | 北京大学 | 软件项目知识图谱自动构造方法与*** |
| US20180341650A1 (en) * | 2012-02-02 | 2018-11-29 | Visa International Service Association | Multi-source, multi-dimensional, cross-entity, multimedia analytical model sharing database platform apparatuses, methods and systems |
| CN109033260A (zh) * | 2018-07-06 | 2018-12-18 | 天津大学 | 基于rdf的知识图谱交互式可视化查询方法 |
| CN109033135A (zh) * | 2018-06-06 | 2018-12-18 | 北京大学 | 一种面向软件项目知识图谱的自然语言查询方法及*** |
| CN109241078A (zh) * | 2018-08-30 | 2019-01-18 | 中国地质大学（武汉） | 一种基于混合数据库的知识图谱组织查询方法 |
| CN109344240A (zh) * | 2018-09-21 | 2019-02-15 | 联想(北京)有限公司 | 一种数据处理方法、服务器及电子设备 |
| CN109492077A (zh) * | 2018-09-29 | 2019-03-19 | 北明智通（北京）科技有限公司 | 基于知识图谱的石化领域问答方法及*** |
| CN109522465A (zh) * | 2018-10-22 | 2019-03-26 | 国家电网公司 | 基于知识图谱的语义搜索方法及装置 |
-
2019
- 2019-04-11 CN CN201910290156.0A patent/CN110019687B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982097A (zh) * | 2011-11-03 | 2013-03-20 | 微软公司 | 用于基于知识的数据质量解决方案的域 |
| US20180341650A1 (en) * | 2012-02-02 | 2018-11-29 | Visa International Service Association | Multi-source, multi-dimensional, cross-entity, multimedia analytical model sharing database platform apparatuses, methods and systems |
| US20160203412A1 (en) * | 2014-12-12 | 2016-07-14 | International Business Machines Corporation | Inferred Facts Discovered through Knowledge Graph Derived Contextual Overlays |
| CN105760514A (zh) * | 2016-02-24 | 2016-07-13 | 西安交通大学 | 一种从社区问答网站自动获取知识领域短文本的方法 |
| CN105701253A (zh) * | 2016-03-04 | 2016-06-22 | 南京大学 | 中文自然语言问句语义化的知识库自动问答方法 |
| CN106095932A (zh) * | 2016-06-13 | 2016-11-09 | 竹间智能科技（上海）有限公司 | 百科知识问句识别方法及装置 |
| CN106934012A (zh) * | 2017-03-10 | 2017-07-07 | 上海数眼科技发展有限公司 | 一种基于知识图谱的自然语言问答实现方法和*** |
| CN107992543A (zh) * | 2017-11-27 | 2018-05-04 | 上海智臻智能网络科技股份有限公司 | 问答交互方法和装置、计算机设备及计算机可读存储介质 |
| CN108196880A (zh) * | 2017-12-11 | 2018-06-22 | 北京大学 | 软件项目知识图谱自动构造方法与*** |
| CN107958091A (zh) * | 2017-12-28 | 2018-04-24 | 北京贝塔智投科技有限公司 | 一种基于金融垂直知识图谱的nlp人工智能方法及交互*** |
| CN109033135A (zh) * | 2018-06-06 | 2018-12-18 | 北京大学 | 一种面向软件项目知识图谱的自然语言查询方法及*** |
| CN109033260A (zh) * | 2018-07-06 | 2018-12-18 | 天津大学 | 基于rdf的知识图谱交互式可视化查询方法 |
| CN109241078A (zh) * | 2018-08-30 | 2019-01-18 | 中国地质大学（武汉） | 一种基于混合数据库的知识图谱组织查询方法 |
| CN109344240A (zh) * | 2018-09-21 | 2019-02-15 | 联想(北京)有限公司 | 一种数据处理方法、服务器及电子设备 |
| CN109492077A (zh) * | 2018-09-29 | 2019-03-19 | 北明智通（北京）科技有限公司 | 基于知识图谱的石化领域问答方法及*** |
| CN109522465A (zh) * | 2018-10-22 | 2019-03-26 | 国家电网公司 | 基于知识图谱的语义搜索方法及装置 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110704641B (zh) * | 2019-10-11 | 2023-04-07 | 零犀(北京)科技有限公司 | 一种万级意图分类方法、装置、存储介质及电子设备 |
| CN110704641A (zh) * | 2019-10-11 | 2020-01-17 | 零犀(北京)科技有限公司 | 一种万级意图分类方法、装置、存储介质及电子设备 |
| CN111428018A (zh) * | 2020-03-26 | 2020-07-17 | 中国建设银行股份有限公司 | 智能问答方法及装置 |
| CN111428018B (zh) * | 2020-03-26 | 2024-02-06 | 中国建设银行股份有限公司 | 智能问答方法及装置 |
| CN111666399A (zh) * | 2020-06-23 | 2020-09-15 | 中国平安人寿保险股份有限公司 | 基于知识图谱的智能问答方法、装置和计算机设备 |
| CN112560477A (zh) * | 2020-12-09 | 2021-03-26 | 中科讯飞互联(北京)信息科技有限公司 | 文本补全方法以及电子设备、存储装置 |
| CN112560477B (zh) * | 2020-12-09 | 2024-04-16 | 科大讯飞(北京)有限公司 | 文本补全方法以及电子设备、存储装置 |
| CN112650859A (zh) * | 2020-12-29 | 2021-04-13 | 北京欧拉认知智能科技有限公司 | 一种用户意图识别方法、设备及模型构建方法 |
| CN113239146A (zh) * | 2021-05-12 | 2021-08-10 | 平安科技（深圳）有限公司 | 应答分析方法、装置、设备及存储介质 |
| CN113239146B (zh) * | 2021-05-12 | 2023-07-28 | 平安科技（深圳）有限公司 | 应答分析方法、装置、设备及存储介质 |
| WO2022252351A1 (zh) * | 2021-06-02 | 2022-12-08 | 上海擎感智能科技有限公司 | 车机***的控制方法及控制*** |
| CN113377943A (zh) * | 2021-08-16 | 2021-09-10 | 中航信移动科技有限公司 | 多轮智能问答数据处理*** |
| CN113377943B (zh) * | 2021-08-16 | 2022-03-25 | 中航信移动科技有限公司 | 多轮智能问答数据处理*** |
| CN116432615A (zh) * | 2023-06-12 | 2023-07-14 | 中国第一汽车股份有限公司 | 文本处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110019687B (zh) | 2021-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110019687A (zh) | 一种基于知识图谱的多意图识别***、方法、设备及介质 | |
| CN107147618A (zh) | 一种用户注册方法、装置及电子设备 | |
| CN103413549B (zh) | 语音交互的方法、***以及交互终端 | |
| CN111428010B (zh) | 人机智能问答的方法和装置 | |
| WO2019084810A1 (zh) | 一种信息处理方法及终端、计算机存储介质 | |
| CN107146602A (zh) | 一种语音识别方法、装置及电子设备 | |
| CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
| CN111737987B (zh) | 意图识别方法、装置、设备及存储介质 | |
| US11176466B2 (en) | Enhanced conversational bots processing | |
| CN108509416A (zh) | 句意识别方法及装置、设备和存储介质 | |
| CN112468659A (zh) | 应用于电话客服的质量评价方法、装置、设备及存储介质 | |
| CN112364622B (zh) | 对话文本分析方法、装置、电子装置及存储介质 | |
| CN113468894A (zh) | 对话交互方法及装置、电子设备和计算机可读存储介质 | |
| CN114003682A (zh) | 一种文本分类方法、装置、设备及存储介质 | |
| CN112632248A (zh) | 问答方法、装置、计算机设备和存储介质 | |
| CN114490955A (zh) | 一种智能对话方法、装置、设备及计算机存储介质 | |
| CN111027316A (zh) | 文本处理方法、装置、电子设备及计算机可读存储介质 | |
| CN109002477B (zh) | 信息处理方法、装置、终端及介质 | |
| CN117609472A (zh) | 提升知识库长文本问答准确率的方法 | |
| CN113051384A (zh) | 基于对话的用户画像抽取方法及相关装置 | |
| CN117370512A (zh) | 回复对话的方法、装置、设备及存储介质 | |
| CN110288996A (zh) | 一种语音识别装置和语音识别方法 | |
| JP2013117842A (ja) | 知識量推定情報生成装置、知識量推定装置、方法、及びプログラム | |
| CN112163078A (zh) | 智能应答方法、装置、服务器及存储介质 | |
| CN112632234A (zh) | 人机交互方法、装置、智能机器人和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |