(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 202211011628.2 (22)申请日 2022.08.23 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 成清　司悦航　黄金才　刘忠　 程光权　杜航　 (74)专利代理 机构 长沙大珂知识产权代理事务 所(普通合伙) 4323 6 专利代理师 伍志祥 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/332(2019.01) G06F 16/36(2019.01) G06F 40/295(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情 报智能问答方法 (57)摘要 本发明公开了一种基于知识图谱的情报智 能问答方法， 利用知识库构建知识图谱： 根据军 事类型数据库， 识别数据库中的实体、 实体间关 系， 并基于文档型数据库， 构建知 识图谱； 给定自 然语言问题， 利用Trie树存储实体库信息， 并根 据AC自动机算法进行 实体检索； 针对未得到匹配 的实体， 配合Word2Vec算法进行实体模糊匹配； 再基于关系模板穷举的方式识别自然语言问题 中涉及到的问题， 实现实体与查询属性项之间的 对应和成对； 根据返回得到的问题的实体和关 系， 转换为查询语句并作为问答搜索的结构化查 询语言， 返回查询结果。 本发明提升模型的特征 实体提取能力， 提高了模型的鲁棒 性和精度。 权利要求书2页 说明书16页 附图3页 CN 115422323 A 2022.12.02 CN 115422323 A 1.一种基于知识图谱的情 报智能问答方法， 其特 征在于， 包括以下步骤： 利用知识库构建知识图谱： 根据已有的小规模军事类型数据库， 识别数据库中的实体、 实体间关系， 并基于文档型 数据库Mo ngoDB， 构建知识图谱； 给定自然语言问题， 利用Trie树存 储实体库信息， 并根据AC自动机算法进行实体 检索； 针对未得到匹配 的实体， 配合Word2Vec算法中的CBOW网络进行实体模糊匹配； 再基于 关系模板穷举的方式识别自然语言问题中涉及到的问题， 实现实体与查询属性项之 间的对 应和成对； 根据返回得到的问题的实体和关系， 转换为MongoDB_SQLs查询语句并作为问答搜索的 结构化查询语言， 输入Mo ngoDB数据库中查询， 并返回查询结果。 2.根据权利要求1所述的基于知识图谱的情报智能问答方法， 其特征在于， 构建关系 模 板库包括： 通过最大范围地将可能输入的问题制作成模板加入库中， 从而实现对问题的高 效问答。 3.根据权利要求1所述的基于知识图谱的情报智能问答方法， 其特征在于， 所述CBOW网 络模型的目标函数如下： 对于当前词语ω， 目标是对其所在上下文Context(ω)中可 能存在的词进行预测， 目标 函数设置为如下对数似然函数 形式： 按照Hierarc hical Softmax思想， CBOW模型将其定义 为： 4.根据权利要求3所述的基于知识图谱的情报智能问答方法， 其特征在于， CBOW模型 中， 写成整体表达式形式为： 带入目标函数并简化对数运 算可得： 进一步简化为： 至此， 得到 CBOW模型的目标函数。 5.根据权利要求3所述的基于知识图谱的情报智能问答方法， 其特征在于， 使用梯度类权　利　要　求　书 1/2 页 2 CN 115422323 A 2算法进行参数 更新： 首先计算L(ω,j)对 的梯度： 因此， 的更新公式写为： η为学习率； 同理， 依据对称性质， 可以计算得到L(ω,u,j)对 v(ω)的梯度： v(ω)的更新公式为： 6.根据权利要求3所述的基于知识图谱的情报智能问答方法， 其特征在于， 根据 Word2Vec算法得到实体名称的词向量后， 同时得出其他候选同义词、 领域词的词向量， 并计 算两者的欧氏距离后， 根据设置的距离阈值进行判断， 记录相似度排名前八的候选近义词， 实现对不在实体名称库中实体的模糊匹配。 7.根据权利要求1所述的基于知识图谱的情报智能问答方法， 其特征在于， 设计包含多 种模板的关系模板库及其对应的数据库搜索语句， 以对问题的精准匹配。权　利　要　求　书 2/2 页 3 CN 115422323 A 3