一种基于图神经网络嵌入匹配的知识图谱问答方法和系统

本发明公开了一种基于图神经网络嵌入匹配的知识图谱问答方法，包括：获取来自用户的问句，使用命名实体识别工具对该问句进行处理，以获得该问句中的实体，并利用句法分析工具对问句进行处理，以获得该问句对应的查询图和主题词；利用实体近义词字典对得到的主题词进行实体链接处理，以得到知识图谱中的主题词，并将知识图谱中的主题词输入知识图谱进行检索，以得到主题图，根据得到的主题图、以及得到的查询图输入训练好的图嵌入匹配模型中，以得到问句的答案。本发明能解决现有语义解析方法其模板并不能完全适用所有的自然语言问句的技术问题，对于语义相似的模糊查找能力较弱，并会生成众多不必要的查询语句，进而导致查询效率低下的技术问题。...

Full description

Saved in:
Bibliographic Details
Format Patent
LanguageChinese
Published 10.05.2022
Subjects
CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
ELECTRIC DIGITAL DATA PROCESSING
PHYSICS
Online AccessGet full text

Cover

More Information
Summary:本发明公开了一种基于图神经网络嵌入匹配的知识图谱问答方法，包括：获取来自用户的问句，使用命名实体识别工具对该问句进行处理，以获得该问句中的实体，并利用句法分析工具对问句进行处理，以获得该问句对应的查询图和主题词；利用实体近义词字典对得到的主题词进行实体链接处理，以得到知识图谱中的主题词，并将知识图谱中的主题词输入知识图谱进行检索，以得到主题图，根据得到的主题图、以及得到的查询图输入训练好的图嵌入匹配模型中，以得到问句的答案。本发明能解决现有语义解析方法其模板并不能完全适用所有的自然语言问句的技术问题，对于语义相似的模糊查找能力较弱，并会生成众多不必要的查询语句，进而导致查询效率低下的技术问题。 The invention discloses a knowledge graph question-answering method based on graph neural network embedding matching, which comprises the following steps: acquiring a question from a user, processing the question by using a named entity recognition tool to obtain an entity in the question, and processing the question by using a syntactic analysis tool to obtain a query graph and a subject term corresponding to the question; performing entity linking processing on the obtained subject terms by utilizing an entity synonym dictionary to obtain subject terms in a knowledge graph, inputting the subject terms in the knowledge graph into the knowledge graph for retrieval to obtain a subject graph, inputting the obtained
Bibliography:Application Number: CN202011624049