CN113127617A - 通用领域知识图谱的知识问答方法、终端设备及存储介质 - Google Patents
通用领域知识图谱的知识问答方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN113127617A CN113127617A CN202110380595.8A CN202110380595A CN113127617A CN 113127617 A CN113127617 A CN 113127617A CN 202110380595 A CN202110380595 A CN 202110380595A CN 113127617 A CN113127617 A CN 113127617A
- Authority
- CN
- China
- Prior art keywords
- query
- knowledge
- elements
- question
- sentences
- 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
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
- G06F16/338—Presentation of query results
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及通用领域知识图谱的知识问答方法、终端设备及存储介质,该方法中包括:S1:从知识图谱中提取数据并构建知识数据库;S2:接收查询问句,并对查询问句进行清洗;S3:对查询问句内包含的所有查询要素进行识别;S4:对识别到的查询要素进行筛查;S5:构建多个要素模板,根据要素模板将查询要素生成对应的查询语句,并根据查询语句中包含的查询要素的类型的数量设定查询语句的优先度;S6:按照各查询语句的优先度由高到低的顺序依次执行查询语句;S7:对所有查询结果进行筛查,将筛查后的最终结果最为查询问句的答案。本发明建立了一套区别于意图模板的提取模式,适用于不同领域的问题查询,通用性强,准确性高。
Description
技术领域
本发明涉及知识图谱领域,尤其涉及一种通用领域知识图谱的知识问答方法、终端设备及存储介质。
背景技术
随着互联网上信息的***式增长,人们对信息检索的需求越来越大,如何快速、精确、可靠地从大量的、模态多样化的信息中搜索到用户需要的信息,成为一个迫切且需要解决的问题。
目前技术上已经实现的基于知识图谱问答***均为基于意图模板的,其只针对某一专一领域的知识图谱的问答***,通过分析用户的提问方式,总结问句类型,结合专门构建的对应知识图谱,提取出问题的意图模板,再根据问句的意图数据训练意图识别模型,搭配足够的意图模板查询图谱即可得到答案。
现有基于知识图谱问答***的优点为:查询响应速度快、准确率高、可以回答复杂查询,同时缺点也相当明显:要满足用户的各种问法、需要人工建立庞大的意图模板库,这个过程已经是很耗精力的,若要迁移到其他图谱的,则又需要重新分析问法设计模板,这样依赖的成本之高、难度之大,基本等同于重新开发一个问答***,且需要足够的场景数据和意图标签作为支撑,上述原因使得知识性问答***的构建变得异常困难。因此设计一个查询模板通用、图谱领域通用的基于知识图谱的问答***是急需的。
发明内容
为了解决上述问题,本发明提出了一种通用领域知识图谱的知识问答方法、终端设备及存储介质。
具体方案如下:
一种通用领域知识图谱的知识问答方法,包括以下步骤:
S1:从知识图谱中提取数据并构建知识数据库;
S2:接收查询问句,并对查询问句进行清洗;
S3:对查询问句内包含的所有查询要素进行识别;
S4:对识别到的查询要素进行筛查,删除重复的查询要素;
S5:构建多个要素模板,不同要素模板由不同的查询要素的类型组成,根据要素模板将查询要素生成对应的查询语句,并根据查询语句中包含的查询要素的类型的数量设定查询语句的优先度;
S6:按照各查询语句的优先度由高到低的顺序依次执行查询语句,当查询结果为空或报错时,继续执行同优先度的查询语句,当无同优先度的查询语句时,执行次一级优先度的查询语句,当无次一级优先度的查询语句时结束查询;当查询结果为非空时,继续执行同优先度的查询语句,当无同优先度的查询语句时结束查询;
S7:对所有查询结果进行筛查,将筛查后的最终结果最为查询问句的答案。
进一步的,步骤S1中提取数据程包括提取知识图谱中的标签、属性名称、通用属性的值和节点间的关系。
进一步的,步骤S1中知识数据库的构建方法为:根据提取的数据生成键值对关系,以键值对关系构建知识数据库,以键作为知识数据库内的查询要素。
进一步的,步骤S3中的识别过程使用的模型包括命名实体识别模型和分类模型,其中标签、属性名称和节点间的关系对应的查询要素的识别按照分类模型进行识别。
进一步的,步骤S3中识别结束后还包括将识别到的查询要素与知识数据库进行数据对齐,即将识别到的查询要素用知识数据库中的相同或相似知识替换。
进一步的,数据对齐的具体过程为:建立知识库数据中命名实体、标签、属性名称和节点间的关系四类查询要素对应的四个树形数据图,根据查询要素的类型从对应的树形数据图中筛选出与该查询要素最相似的知识,并使用其对查询要素进行替换。
进一步的,步骤S4的筛查方法为:如果两个查询要素在查询问句中的范围有重叠,则删除字符长度较短的查询要素。
进一步的,步骤S7中对所有查询结果进行筛查的方法为:计算每个查询结果对应的查询问句中的查询要素与查询问句中的疑问词之间的距离,同时计算查询结果对应的查询问句中的查询要素的排序与查询语句中各识别要素的排序的一致程度,距离越近和一直程度越高的查询结果为最终结果。
一种通用领域知识图谱的知识问答终端设备,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
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计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案,建立了一套区别于意图模板的提取模式,该模式可完全自主执行全过程,不需人工干涉,适用于不同领域的问题查询,通用性强,准确性高。
附图说明
图1所示为本发明实施例一的流程图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一:
本发明实施例提供了一种通用领域知识图谱的知识问答方法,如图1所示,其为本发明实施例所述的通用领域知识图谱的知识问答方法的流程图,所述方法包括以下步骤:
S1:从知识图谱中提取数据并构建知识数据库。
知识图谱中至少包含了标签、属性名称、属性的值、节点间的关系等数据。
该实施例中通过提取知识图谱中的标签、属性名称、属性的值和节点间的关系,并据此生成键值对关系,以键值对关系构建知识数据库,以键作为知识数据库内的查询要素。
由于提取的数据不统一,因此,还需要对其进行清洗,具体为:对各个键值对的值进行大小写统一、字数统一、格式统一、无用信息去除、去重和同义词生成等操作,在其他实施例中也可以采用其他处理方式,在此不做限制。
最终构建的知识数据库用于查询时使用。
S2:接收查询问句,并对查询问句进行清洗。
查询问句的清洗包括大小写统一字数统一、格式统一和无用信息去除等,在其他实施例中也可以采用其他处理方式,在此不做限制。
S3:对查询问句内包含的所有查询要素进行识别。
该实施例中采用命名实体识别模型和分类模型两种模型对查询要素进行识别,其中命名实体识别模型用于识别实体,如人名、地名等等,实体在知识数据库内通常作为属性的值存储,分类模型用于识别标签、属性名称和节点间的关系对应的查询要素的识别。
命名实体识别模型和分类模型可以采用现有模型进行预训练生成,也可以自行构建,在此不做限制。常用的命名实体识别模型如bert-crf、textcnn、fasttext等。
由于识别到的查询要素与知识数据库内的知识可能不一致,为了便于查询,该实施例中在识别结束后还包括将识别到的查询要素与知识数据库进行数据对齐,即将识别到的查询要素用知识数据库中的相同或相似知识替换。
数据对齐的具体过程为:建立知识库数据中命名实体、标签、属性名称和节点间的关系四类查询要素对应的四个树形数据图,根据查询要素的类型从对应的树形数据图中筛选出与该查询要素最相似的知识,并使用其对查询要素进行替换。
S4:对识别到的查询要素进行筛查,删除重复的查询要素。
该实施例中筛查方法为:如果两个查询要素在查询问句中的范围有重叠,则删除字符长度较短的查询要素。如s1为一个查询要素在查询问句中的开始下标,e1为该查询要素在查询问句中的结束下标,[s1,e1]为该查询要素在查询问句中的位置。如果有其他查询要素与该查询要素的[s1,e1]有重叠部分,则删除字符长度较短的一方。实际情况中查询要素有不完全出现在查询问句中的可能,此时以识别结果和查询问句的最大公共子串在查询问句中的开始下标和结束下标作为[s1,e1]。
S5:构建多个要素模板,不同要素模板由不同的查询要素的类型组成,根据要素模板将查询要素生成对应的查询语句,并根据查询语句中包含的查询要素的类型的数量设定查询语句的优先度。
该实施例中查询要素的类型包括四类,分别为实体、标签、属性名称和节点间的关系,如第一个要素模板内包含实体、标签、属性名称三类,第二个要素模板中包含实体、标签两类,第三个要素模板中包含属性名称一类,则优先度顺序为第一个要素模板生成的查询语句>第二个要素模板生成的查询语句>第三个要素模板生成的查询语句。
基于不同查询要素类型组合的通用要素模板的图谱查询方式进行查询时,每种查询语句均不限定查询内容,只限定查询要素的类型,因此具备通用性,对任何领域的知识图谱,只要知识图谱中的查询要素类型相同即可。
S6:按照各查询语句的优先度由高到低的顺序依次执行查询语句,当查询结果为空或报错时,继续执行同优先度的查询语句,当无同优先度的查询语句时,执行次一级优先度的查询语句,当无次一级优先度的查询语句时结束查询;当查询结果为非空时,继续执行同优先度的查询语句,当无同优先度的查询语句时结束查询。
S7:对所有查询结果进行筛查,将筛查后的最终结果最为查询问句的答案。
该实施例中筛查的方法为:计算每个查询结果对应的查询问句中的查询要素与查询问句中的疑问词之间的距离,同时计算查询结果对应的查询问句中的查询要素的排序与查询语句中各识别要素的排序的一致程度,距离越近和一直程度越高的查询结果为最终结果。
本发明实施例一通过从知识图谱中提取数据并构建知识数据库的过程,将知识图谱中出现过的标签、属性名称、通用属性的值、节点间的关系全部提取,并据此建立键值对关系,生成了供问题查询的知识数据库。本实施例建立了一套区别于意图模板的提取模式,该模式可完全自主执行全过程,不需人工干涉,这意味着本实施例方法的识别阶段对知识图谱的数量和领域可以没有限制。
本实施例中,当查询要素的识别出现无结果时,可直接将清洗后的问句用知识数据库中的相同或相似知识代替,以此作为查询要素。通过该方式可以在极大程度上减小对实体识别模型和分类模型训练的依赖,做到不需要训练数据即可对查询问句进行查询要素的识别,这使得随意更换知识图谱成为现实。
本实施例中查询要素在识别时采取全召回的策略,会识别出尽可能多的查询要素,使得识别精准度大大降低,通过重复性筛查,将错误识别结果直接去除。查询语句按优先级梯次进行排列,查询结果反馈指导查询和答案筛查的组合,可以从众多查询要素组合中筛选出最正确的组合和其答案,提高了查询的准确率。
实施例二:
本发明还提供一种通用领域知识图谱的知识问答终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地,作为一个可执行方案,所述通用领域知识图谱的知识问答终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述通用领域知识图谱的知识问答终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,上述通用领域知识图谱的知识问答终端设备的组成结构仅仅是通用领域知识图谱的知识问答终端设备的示例,并不构成对通用领域知识图谱的知识问答终端设备的限定,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述通用领域知识图谱的知识问答终端设备还可以包括输入输出设备、网络接入设备、总线等,本发明实施例对此不做限定。
进一步地,作为一个可执行方案,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述通用领域知识图谱的知识问答终端设备的控制中心,利用各种接口和线路连接整个通用领域知识图谱的知识问答终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述通用领域知识图谱的知识问答终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明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计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述通用领域知识图谱的知识问答终端设备集成的模块/单元如果以软件功能单元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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (10)
1.一种通用领域知识图谱的知识问答方法,其特征在于,包括以下步骤:
S1:从知识图谱中提取数据并构建知识数据库;
S2:接收查询问句,并对查询问句进行清洗;
S3:对查询问句内包含的所有查询要素进行识别;
S4:对识别到的查询要素进行筛查,删除重复的查询要素;
S5:构建多个要素模板,不同要素模板由不同的查询要素的类型组成,根据要素模板将查询要素生成对应的查询语句,并根据查询语句中包含的查询要素的类型的数量设定查询语句的优先度;
S6:按照各查询语句的优先度由高到低的顺序依次执行查询语句,当查询结果为空或报错时,继续执行同优先度的查询语句,当无同优先度的查询语句时,执行次一级优先度的查询语句,当无次一级优先度的查询语句时结束查询;当查询结果为非空时,继续执行同优先度的查询语句,当无同优先度的查询语句时结束查询;
S7:对所有查询结果进行筛查,将筛查后的最终结果最为查询问句的答案。
2.根据权利要求1所述的通用领域知识图谱的知识问答方法,其特征在于:步骤S1中提取数据程包括提取知识图谱中的标签、属性名称、通用属性的值和节点间的关系。
3.根据权利要求1所述的通用领域知识图谱的知识问答方法,其特征在于:步骤S1中知识数据库的构建方法为:根据提取的数据生成键值对关系,以键值对关系构建知识数据库,以键作为知识数据库内的查询要素。
4.根据权利要求1所述的通用领域知识图谱的知识问答方法,其特征在于:步骤S3中的识别过程使用的模型包括命名实体识别模型和分类模型,其中标签、属性名称和节点间的关系对应的查询要素的识别按照分类模型进行识别。
5.根据权利要求1所述的通用领域知识图谱的知识问答方法,其特征在于:步骤S3中识别结束后还包括将识别到的查询要素与知识数据库进行数据对齐,即将识别到的查询要素用知识数据库中的相同或相似知识替换。
6.根据权利要求5所述的通用领域知识图谱的知识问答方法,其特征在于:数据对齐的具体过程为:建立知识库数据中命名实体、标签、属性名称和节点间的关系四类查询要素对应的四个树形数据图,根据查询要素的类型从对应的树形数据图中筛选出与该查询要素最相似的知识,并使用其对查询要素进行替换。
7.根据权利要求1所述的通用领域知识图谱的知识问答方法,其特征在于:步骤S4的筛查方法为:如果两个查询要素在查询问句中的范围有重叠,则删除字符长度较短的查询要素。
8.根据权利要求1所述的通用领域知识图谱的知识问答方法,其特征在于:步骤S7中对所有查询结果进行筛查的方法为:计算每个查询结果对应的查询问句中的查询要素与查询问句中的疑问词之间的距离,同时计算查询结果对应的查询问句中的查询要素的排序与查询语句中各识别要素的排序的一致程度,距离越近和一直程度越高的查询结果为最终结果。
9.一种通用领域知识图谱的知识问答终端设备,其特征在于:包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1~8中任一所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1~8中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110380595.8A CN113127617B (zh) | 2021-04-09 | 2021-04-09 | 通用领域知识图谱的知识问答方法、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110380595.8A CN113127617B (zh) | 2021-04-09 | 2021-04-09 | 通用领域知识图谱的知识问答方法、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113127617A true CN113127617A (zh) | 2021-07-16 |
CN113127617B CN113127617B (zh) | 2022-09-23 |
Family
ID=76775537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110380595.8A Active CN113127617B (zh) | 2021-04-09 | 2021-04-09 | 通用领域知识图谱的知识问答方法、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113127617B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114610845A (zh) * | 2022-03-02 | 2022-06-10 | 北京百度网讯科技有限公司 | 基于多***的智能问答方法、装置和设备 |
CN116483982A (zh) * | 2023-06-25 | 2023-07-25 | 北京中关村科金技术有限公司 | 知识问答方法、装置、电子设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105843875A (zh) * | 2016-03-18 | 2016-08-10 | 北京光年无限科技有限公司 | 一种面向智能机器人的问答数据处理方法及装置 |
CN106919655A (zh) * | 2017-01-24 | 2017-07-04 | 网易(杭州)网络有限公司 | 一种***方法和装置 |
US20170228372A1 (en) * | 2016-02-08 | 2017-08-10 | Taiger Spain Sl | System and method for querying questions and answers |
US20200134032A1 (en) * | 2018-10-31 | 2020-04-30 | Microsoft Technology Licensing, Llc | Constructing structured database query language statements from natural language questions |
CN111339246A (zh) * | 2020-02-10 | 2020-06-26 | 腾讯云计算(北京)有限责任公司 | 查询语句模板的生成方法、装置、设备及介质 |
CN112507135A (zh) * | 2020-12-17 | 2021-03-16 | 深圳市一号互联科技有限公司 | 一种可视化知识图谱查询模板构建方法、装置、***、以及存储介质 |
-
2021
- 2021-04-09 CN CN202110380595.8A patent/CN113127617B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170228372A1 (en) * | 2016-02-08 | 2017-08-10 | Taiger Spain Sl | System and method for querying questions and answers |
CN105843875A (zh) * | 2016-03-18 | 2016-08-10 | 北京光年无限科技有限公司 | 一种面向智能机器人的问答数据处理方法及装置 |
CN106919655A (zh) * | 2017-01-24 | 2017-07-04 | 网易(杭州)网络有限公司 | 一种***方法和装置 |
US20200134032A1 (en) * | 2018-10-31 | 2020-04-30 | Microsoft Technology Licensing, Llc | Constructing structured database query language statements from natural language questions |
CN111339246A (zh) * | 2020-02-10 | 2020-06-26 | 腾讯云计算(北京)有限责任公司 | 查询语句模板的生成方法、装置、设备及介质 |
CN112507135A (zh) * | 2020-12-17 | 2021-03-16 | 深圳市一号互联科技有限公司 | 一种可视化知识图谱查询模板构建方法、装置、***、以及存储介质 |
Non-Patent Citations (1)
Title |
---|
刘飞龙等: "基于语义要素组合的知识库问答方法", 《计算机工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114610845A (zh) * | 2022-03-02 | 2022-06-10 | 北京百度网讯科技有限公司 | 基于多***的智能问答方法、装置和设备 |
CN114610845B (zh) * | 2022-03-02 | 2024-05-14 | 北京百度网讯科技有限公司 | 基于多***的智能问答方法、装置和设备 |
CN116483982A (zh) * | 2023-06-25 | 2023-07-25 | 北京中关村科金技术有限公司 | 知识问答方法、装置、电子设备及可读存储介质 |
CN116483982B (zh) * | 2023-06-25 | 2023-10-13 | 北京中关村科金技术有限公司 | 知识问答方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113127617B (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399457B (zh) | 一种智能问答方法和*** | |
CN109472033B (zh) | 文本中的实体关系抽取方法及***、存储介质、电子设备 | |
CN109284363B (zh) | 一种问答方法、装置、电子设备及存储介质 | |
CN111475623B (zh) | 基于知识图谱的案件信息语义检索方法及装置 | |
WO2021174783A1 (zh) | 近义词推送方法、装置、电子设备及介质 | |
CN109947952B (zh) | 基于英语知识图谱的检索方法、装置、设备及存储介质 | |
CN109977291B (zh) | 基于物理知识图谱的检索方法、装置、设备及存储介质 | |
CN109408821B (zh) | 一种语料生成方法、装置、计算设备及存储介质 | |
CN109739995B (zh) | 一种信息处理方法及装置 | |
CN113127617B (zh) | 通用领域知识图谱的知识问答方法、终端设备及存储介质 | |
CN111078837A (zh) | 智能问答信息处理方法、电子设备及计算机可读存储介质 | |
CN117539990A (zh) | 一种问题处理方法、装置、电子设备和存储介质 | |
CN115114420A (zh) | 一种知识图谱问答方法、终端设备及存储介质 | |
CN114911915A (zh) | 一种基于知识图谱的问答搜索方法、***、设备和介质 | |
CN115982346A (zh) | 一种问答库构建方法、终端设备及存储介质 | |
CN117932022A (zh) | 一种智能问答方法、装置、电子设备及存储介质 | |
CN110969005A (zh) | 一种确定实体语料之间的相似性的方法及装置 | |
CN116049376B (zh) | 一种信创知识检索回复的方法、装置和*** | |
CN114647719A (zh) | 一种基于知识图谱的问答方法及装置 | |
CN117271558A (zh) | 语言查询模型构建方法、查询语言获取方法及相关装置 | |
CN114842982B (zh) | 一种面向医疗信息***的知识表达方法、装置及*** | |
CN113050933B (zh) | 脑图数据处理方法、装置、设备及存储介质 | |
CN115757720A (zh) | 基于知识图谱的项目信息搜索方法、装置、设备和介质 | |
CN111382246B (zh) | 文本的匹配方法、匹配装置、终端及计算机可读存储介质 | |
WO2021135103A1 (zh) | 一种语义分析方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |