(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 202211272896.X (22)申请日 2022.10.18 (71)申请人 浙江力石科技股份有限公司 地址 310000 浙江省杭州市余杭区文一西 路998号海创园科研孵化区18号楼 506、 507室 (72)发明人 付萍　陈海江　 (74)专利代理 机构 杭州云睿专利代理事务所 (普通合伙) 33254 专利代理师 张骁敏 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/36(2019.01) G06F 40/289(2020.01) G06F 40/30(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于知识图谱的智能问答系统和方法 (57)摘要 本申请公开了一种基于知识图谱的智能问 答系统和方法， 系统包括： 数据层， 用于对问答语 料、 知识图谱数据进行处理， 构建模型训练所需 要的标注训练集合， 并对知识图谱数据进行过 滤、 归一化， 构建实体字典； 同时， 对系统运行数 据进行处理； 逻辑层， 将智能问答算法和交互算 法分离开； 交互算法将后台逻辑层交互封装为 api供前台调用； 展示层， 用于采用Flask框架进 行人机交互页面展。 本申请识别出用户自然语言 问句中的实体和属性， 利用识别到的实体和属性 去知识图谱中检索答案， 解决传统的基于搜索引 擎的知识获取方式返回的信息过于冗杂， 用户需 要耗费大量的时间与人力从返回的信息中寻找 正确的答案 。 权利要求书2页 说明书6页 附图3页 CN 115525751 A 2022.12.27 CN 115525751 A 1.一种基于知识图谱的智能问答系统， 其特 征在于， 包括： 数据层， 用于对问答语料、 知识图谱数据进行处理， 构建模型训练所需要的标注训练集 合， 并对知识图谱数据进行过滤、 归一化， 构建实体字典； 同时， 对系统运行数据进行处理， 包括查询日志存 储、 查询数据分析； 其中， 所述知识图谱为知识三元组； 逻辑层， 将智能问答算法和 交互算法分离开， 其中智能问答算法指主体框架逻辑实体 识别算法、 属性链接算法和查询构建算法； 交互算法将后台逻辑层交互封装为api供前台调 用； 展示层， 用于采用Flask框架进行 人机交互页面展。 2.根据权利要求1所述的一种基于知识图谱的智能问答系统， 其特征在于， 所述数据层 包括问答语料和知识图谱处 理子模块、 查询日志存 储子模块， 其中： 问答语料和知识图谱处理子模块， 用于对问答语料、 知识图谱数据进行处理， 分别构建 模型训练所需要的标注训练集， 以及对知识图谱数据进行 过滤、 归一化， 构建实体字典； 查询日志存 储子模块， 用于查询日志存 储、 查询数据分析。 3.根据权利要求1所述的一种基于知识图谱的智能问答系统， 其特征在于， 所述逻辑层 包括问答 算法子模块、 Ajax交 互子模块， 其中： 问答算法子模块， 用于采用所述标注训练集分别通过主体框架逻辑实体识别算法、 属 性链接算法对实体识别模型和属性链接模型进行训练， 然后对用户输入的自然语言问句进 行语义分析， 提取候选实体集和属性链接； 同时， 将候选实体集及属性链接传入知识图谱中 采用查询构建算法进行检索， 找到候选答案； Ajax交互子模块， 用于将后台逻辑层交 互封装为api供 前台调用。 4.一种基于知识图谱的智能问答方法， 其特 征在于， 包括以下步骤： 对问答语料、 知识图谱数据进行处理， 构建模型训练所需要的标注训练集， 以及对知识 图谱数据进行过滤、 归一化， 构建实体字典； 同时， 对系统运行数据进 行处理， 包括查询日志 存储、 查询数据分析； 其中， 所述知识图谱为知识三元组； 釆用所述标注训练集分别对实体识别模型和属性链接模型进行训练， 然后对用户输入 的自然语言问句进行语义分析， 提取候选实体集和属 性链接， 然后将候选实体集及属 性链 接传入知识图谱中进行检索， 找到候选答案； 采用Flask框架进行 人机交互页面展示 候选答案 。 5.根据权利要求4所述的一种基于知识图谱的智能问答方法， 其特征在于， 所述用户输 入的自然语言问句数据采用日志表用于保存， 所述日质表包括字段、 类型、 说明， 其中说明 为对字段的释义。 6.根据权利要求4所述的一种基于知识图谱的智能问答方法， 其特征在于， 所述提取候 选实体集采用的是人工规则和深度学习相结合， 对用户自然语言问句进行实体识别， 并从 问句中提取 出候选实体集。 7.根据权利要求6所述的一种基于知识图谱的智能问答方法， 其特征在于， 提取候选实 体集后， 对问句语义信息进行分析， 得到候选实体集属性， 通过候选实体集及其属性之前的 关系从知识图谱得到用户需要的答案 。 8.根据权利要求7所述的一种基于知识图谱的智能问答方法， 其特征在于， 所述问句为 去除实体后剩下的部分。权　利　要　求　书 1/2 页 2 CN 115525751 A 29.根据权利要求4所述的一种基于知识图谱的智能问答方法， 其特征在于， 所述对用户 输入的自然语言问句进行语义分析， 包括： 对问句进行分词处 理； 利用词向量 提取问句深层次的语义特 征及表征； 利用实体识别模型 标注问句实体， 并从知识图谱中提取相关候选实体； 分析问句 相关属性， 从知识图谱中提取候选实体相关度最高的属性； 整合所述 候选实体和候选实体相关度最高的属性得到用户问句想询问的关键信息 。 10.根据权利要求4所述的一种基于知识图谱的智能问答方法， 其特征在于， 所述实体 识别模型为基于Bi ‑LSTM的实体识别模型。权　利　要　求　书 2/2 页 3 CN 115525751 A 3