(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210660627.4 (22)申请日 2022.06.13 (71)申请人 中国电子科技 集团公司第十 研究所 地址 610000 四川省成 都市金牛区茶店子 东街48号 (72)发明人 雋兆波　代翔　李春豹　杨露　 陈莹　刘鑫　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 专利代理师 刘世权 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/332(2019.01) G06F 16/36(2019.01) G06F 40/295(2020.01) (54)发明名称 一种多任务的知识图谱问答方法 (57)摘要 本发明公开了一种多任务的知识图谱问答 方法， 该方法基于命名实体识别模 型识别问题实 体， 构建辅助Elasticsearch数据库提高对问题 实体的泛化能力， 同时通过精确匹配提高实体候 选关系的检索效率， 建立语义相似匹配模型计算 问题和候选关系的相似性， 在问题关系识别上具 有很好的泛化能力。 通过建立流程式的知识图谱 问答模型， 分模块识别问题实体、 关系， 整体上提 高问答准确率， 解决单实体单关系、 单实体多关 系、 双实体类型问题的答案检索， 解决了目前用 户问题中的实体通常具有一定的泛化性， 知 识库 数据的体量越来越大， 直接根据问题实体从知识 库中进行候选关系的查询存在实体检索不到、 模 糊查询效率慢的技 术问题。 权利要求书2页 说明书7页 附图3页 CN 115292443 A 2022.11.04 CN 115292443 A 1.一种多任务的知识图谱问答方法， 其特 征在于， 所述方法包括以下步骤： S1： 准备结构化文本数据， 按照实体 ‑关系‑实体的三元组形式建立知识图谱数据库； S2： 基于知识图谱数据库准备模型需要的训练语料； S3： 根据知识图谱数据库建立相关实体的辅助Elasticsearc h数据库； S4： 训练Ber t‑BILSTM‑CRF命名实体识别模型和Ber t语义相似匹配模型； S5： 基于Bert ‑BILSTM‑CRF命名实体识别模型进行问题中实体识别， 根据问题实体在辅 助Elasticsearc h数据库中进行Es检索获取对应实体全称； S6： 由实体全称从图谱数据库中进行精确检索， 获取对应实体的所有候选关系， 再由 Bert语义相似匹配模型获取和问题最 为匹配的实体关系； S7： 由获取的实体、 关系根据定义的路径规则进行答案检索。 2.如权利要求1所述的多任务的知识图谱问答方法， 其特征在于， 所述步骤S1具体为： 以结构化文本数据作为知识图谱问答的基础数据， 将结构化文本数据之间的关联关系按照 实体‑关系‑实体的三元组方式存储进图数据库当中， 通过关系相互连接构成网状的知识结 构， 以获得知识图谱数据库。 3.如权利要求1所述的多任务的知识图谱问答方法， 其特征在于， 所述步骤S3具体包 括： 根据知识图谱 数据库中的实体全称、 实体简称和实体别称构建辅助Elasticsearch数据 库。 4.如权利要求1所述的多任务的知识图谱问答方法， 其特征在于， 所述步骤S5具体包 括： S51： 利用Bert层对原始数据进出编码， 得到该序列的编码向量， 利用BILSTM层训练学 习到文本依赖 关系和上下文的语义信息， 利用CRF层为BILSTM层的输出增加约束， 以对问题 中的实体进行识别； S52： 利用相关实体Elasticsearch数据库进行Es检索， 当Es检索结果阈值大于预设阈 值时， 则直接 输出对应实体全称， 否则， 输出相关实体名称供用户选择。 5.如权利要求4所述的多任务的知识图谱问答方法， 其特征在于， 所述由Bert语义相似 匹配模型获取和问题最 为匹配的实体关系， 具体为： S61： 将问题P＝{p1,…,pn}和候选实体关系Q ＝{q1,…,qn}按如下方式拼接作为输入： X＝{[CLS],p1,…,pn,[SEP],q1,…,qn,[SEP]} S62： 利用Ber t编码层对输入X进行编码， 输出 X对应的编码向量： Bert(X)＝L＝{l1,l2,…,lm} 其中L∈Rm*d， m输入X的长度， li为第i个字符的表示向量； S63： 利用聚合层将Bert输出的编码向量和Attention获取的信息进行连接， 输入至双 向的BILSTM层， 最后经 过池化得到固定 长度的向量， 并将其 转化为概率值； S64： 设置阈值参数score， 如果大于该阈值则判定该条关系和问题所匹配， 基于该模型 获取和输入问题最 为相似的实体关系。 6.如权利要求5所述的多任务的知识图谱问答方法， 其特征在于， 所述概率值的表达式 为： P＝Softmax[w*r+b] 其中， r为池化后输出的文本向量， P为预测的相似性概率值， w、 r分别为权重参数和偏权　利　要　求　书 1/2 页 2 CN 115292443 A 2置项参数。 7.如权利要求6所述的多任务的知识图谱问答方法， 其特征在于， 所述步骤S6具体为： 根据实体以及关系数量， 分别完成单实体单关系、 单实体多关系、 双实体 问题的答案检索； 其中： 对于单实体单关系问题， 可根据(entity， relati on， answer)形式获取答案； 对于单实体多关系问题， 若为单跳内多关系可根据(entity， relation， answer)形式获 取答案； 若为多跳内多关系， 将实体和候选关系进行组合， 验证其是否能满足查询路径 (entity， relati on1， relati on2， answer)， 满足则输出问题答案； 对于双实体问题， 将实体和候选关系进行组合， 验证其是否能满足查询路径(entity1， relation1， answer， relati on2， entity2)， 满足则输出问题答案 。权　利　要　求　书 2/2 页 3 CN 115292443 A 3