(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 202210269671.2 (22)申请日 2022.03.18 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号西 安电子科技大 学 (72)发明人 杨清海　曲芮莹　刘佳宜　李静磊　 沈中　沈八中　 (74)专利代理 机构 西安长和专利代理有限公司 61227 专利代理师 黄伟洪 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/9032(2019.01) G06F 16/28(2019.01) G06F 16/33(2019.01)G06F 16/35(2019.01) G06F 16/36(2019.01) G06F 16/901(2019.01) G06F 16/951(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种企业智能问答系统、 控制方法、 介质、 设 备及终端 (57)摘要 本发明属于智能问答技术领域， 公开了一种 企业智能问答系统、 控制方法、 介质、 设备及终 端， 所述企业智能问答系统基于Flask框架设计 开发， 前端使用HTML、 JavaScript、 Css工具完成 系统界面的设计， 使用Ajex通信技术进行前后端 的交互， 包括数据采集模块、 知识图谱构建模块、 用户输入模块、 问句分类模块、 实体识别模块、 模 板匹配模块和答案反馈模块。 本发 明通过自然语 言处理的方法帮助企业从工业领域知识图谱中 快速准确的获取目标信息， 对于工厂以后的设备 检修、 故障处理、 人员调度、 设备采购都起到了至 关重要的作用， 具有实用性和有效性， 同时还能 够对企业的设备选型、 设备检修、 人员调度以及 故障维修 等问题提供回复。 权利要求书3页 说明书10页 附图8页 CN 114722169 A 2022.07.08 CN 114722169 A 1.一种企业智能问答系统， 其特征在于， 所述企业智能问答系统基于Flask框架设计开 发， 前端使用HTML、 J avaScript、 Css工具完成系统界面的设计， 使用Ajex通信技术进行前后 端的交互， 包括以下功能模块： 数据采集模块， 用于收集企业设备信息、 故障信息、 生产信息和人员信息， 通过爬虫获 取互联网上的工业信息， 并对数据进行清洗和整理， 保存在MySQ L数据库中； 知识图谱构建模块， 用于选择Neo4j作为存储知识图谱的数据库， 读取MySQL中的数据， 将MySQL数据库中指定类型的数据导入知识图谱； 用户输入模块， 用于接收用户在网页输入的自然语言问题， 同时将问句 发送给问句分 类模块； 问句分类模块， 用于构 建问句分类数据 集， 并提出基于数据增强的CNN ‑BiGRU问句分类 模型， 对输入的自然语言问句进行 特征提取及分类， 得到分类结果； 实体识别模块， 用于构建实体识别数据集， 使用BiLSTM ‑CRF深度神经网络识别问句中 出现过的实体， 并通过实体链接技 术找到知识图谱中对应的节点名称； 模板匹配模块， 用于通过问句分类结果匹配查询模板， 利用实体链接后的节点名称完 善查询语句， 在Neo 4j图数据库中进行查询， 将答案返回； 答案反馈模块， 用于将模板匹配模块返回的答案展示在网页。 2.一种应用如权利要求1所述的企业智能问答系统的企业智能问答系统的控制方法， 其特征在于， 所述企业智能问答系统的控制方法包括以下步骤： 步骤一， 利用数据采集模块收集企业设备信息、 故障信息、 生产信息和人员信息， 通过 爬虫获取互联网上的工业信息， 并对数据进行清洗和整理， 保存在MySQ L数据库中； 步骤二， 利用知识图谱构建模块选择Neo4j作为存储知识图谱的数据库， 读取MySQL中 的数据， 将MySQ L数据库中指定类型的数据导入知识图谱； 步骤三， 利用用户输入模块接收用户在网页输入的自然语言问题， 同时将问句 发送给 问句分类模块； 步骤四， 利用问句分类模块构 建问句分类数据 集， 并提出基于数据增强的CNN ‑BiGRU问 句分类模型， 对输入的自然语言问句进行 特征提取及分类， 得到分类结果； 步骤五， 利用实体识别模块构建实体识别数据集， 使用BiLSTM ‑CRF深度神经网络识别 问句中出现过的实体， 并通过实体链接技 术找到知识图谱中对应的节点名称； 步骤六， 利用模板匹配模块通过问句分类结果匹配查询模板， 利用实体链接后的节点 名称完善查询语句， 在Neo 4j图数据库中进行查询， 将答案返回； 步骤七， 利用答案反馈模块将模板匹配模块返回的答案展示在网页。 3.如权利要求2所述的企业智能问答系统 的控制方法， 其特征在于， 所述步骤一中的通 过爬虫获取互联网上的工业信息包括： 基于python编程的Requests库、 bs4库设计爬虫工具， 通过逻辑代码自动进行浏览器的 访问和数据定位， 并将爬取到的信息进行整合， 写入数据库中； 其中， 所述数据采集包括： (1)通过Requests的get方法或post方法获取网页信息； (2)查看网页源代码确定所需爬取信息的位置， 通过bs4定位至目标位置； (3)将目标信息保存至数据库中。权　利　要　求　书 1/3 页 2 CN 114722169 A 24.如权利要求2所述的企业智能问答系统 的控制方法， 其特征在于， 所述步骤二中的图 数据库Neo4j包括故障、 故障类型、 产品、 维修方案、 品牌、 应用、 人员姓名以及职 位在内的多 种节点标签， 包 括applicationIs、 brandIs、 hasProduct、 occurIn、 possibleFau lt、 typeIs、 needProduct、 needMaintenanc e在内的多种节点之间的关系， 还包括负载、 轴数、 精度、 工作 区域、 安装方式、 自重、 能耗、 防护等级以及版本在内的 的九种属性； 其中， 所述将数据导入知识图谱 包括： 借助py2neo库中的Graph函数连接Neo4j图数据库， 读取MySQL数据库， 提取出相关的实 体、 关系及相关属性信息； 利用节点创建函数Node将带有属性信息的节 点导入知识图谱； 利 用关系创建函数Relationship将节点之间的关系导入知识图谱， 完成工业知识图谱的搭 建。 5.如权利要求2所述的企业智能问答系统 的控制方法， 其特征在于， 所述步骤四中的基 于数据增强的CNN ‑BiGRU问句分类模 型包括数据增强、 向量表 示、 特征提取以及问句分类四 个部分； 第一部分负责进行数据增强， 采用回译的方式对人工构建的工业问句训练集数据进行 选择性数据增强， 随机选择部分语句进 行回译， 保存不同的文本形式， 使用数据增强后的训 练集对模型进行训练； 第二部分是嵌入层， 采用W ord2Vec预训练语言模型完成字向量的高效映射； 第三部分负责进行提取特征， 分为卷积神经网络和双 向门控循环单元两部分； 将第二 部分获取的字符级向量分别输入CN N和BiGRU两种网络， 获取不同的特 征图； 第四部分负责进行分类， 采用softmax分类 器获取问句类别。 6.如权利要求2所述的企业智能问答系统 的控制方法， 其特征在于， 所述步骤五中的工 业实体识别数据集构建包括： 对知识图谱中的节点数据进行分析整理， 确定实体识别标签， 包括故障、 故障类型、 产 品、 维修方案、 品牌和应用等； 利用步骤二的数据完成工业命名实体收集， 并进行BIO标注； 实体识别模型分为向量表示层、 BiLSTM层、 CRF序列标注层； 其中所述向量表示层负责 为输入文本中的每个字符在向量查找表中搜索其相应的字符向量， 对于向量查找表中没有 的字符， 使用随机赋值的向量进 行表示后， 将转换后的字 符向量序列输入BiLSTM层； BiLSTM 层由前向LSTM和反向LSTM共同组成， 分别记录上文信息和下文信息， 组合后获得在该时刻 的输出表示； 添加CRF层， 用于通过训练数据自动学习并为 最后的预测结果添加全局约束。 7.如权利要求2所述的企业智能问答系统的控制方法， 其特征在于， 所述步骤六中， 通 过问句分类对自然语言问题进行处理后， 根据问句类别找到对应的查询模板， 利用实体链 接的结果替换模板中的变量， 借助py2 neo库的run函数运行查询语句， 将返回的结果进行 组 装， 获得口语化 答案。 8.一种计算机设备， 其特征在于， 所述计算机设备包括存储器和处理器， 所述存储器存 储有计算机程序， 所述计算机程序被所述处理器执行时， 使得所述处理器实现如权利要求 1 所述的企业智能问答系统。 9.一种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， 使 得所述处理器实现如权利要求1所述的企业智能问答系统。 10.一种信息数据处理终端， 其特征在于， 所述信息数据处理终端用于实现如权利要求权　利　要　求　书 2/3 页 3 CN 114722169 A 3