(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 202210824257.3 (22)申请日 2022.07.14 (71)申请人 中电莱斯信息系统有限公司 地址 210007 江苏省南京市秦淮区苜蓿园 东街1号 (72)发明人 周迅钊　陈鹏　王妍妍　王冬　 陈文颖　 (74)专利代理 机构 江苏圣典律师事务所 32 237 专利代理师 胡建华　于瀚文 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/36(2019.01) G06F 16/901(2019.01) G06F 40/289(2020.01) G06F 40/211(2020.01)G06N 5/04(2006.01) (54)发明名称 一种用于解决文本数据中比较类问题推理 问答的方法 (57)摘要 本发明提供了一种用于解决文本数据中比 较类问题推理问答的方法， 包括： 1.通过关系类 别的区分， 自动化或半自动化地改造通用图谱， 将知识图谱构建成一个属性关系和关联类关系 显著标注的图谱。 此时强化了知识体系结构， 为 “比较类问题 ”提供回答基础条件。 在 “比较类问 题”中， 用于比较的部分往往是作为属性存在的， 本发明可以利用图谱结构设计的优势， 获取比较 类问题的推理结果， 将其定义为属性增强图谱。 2.在1中所述的属性增强图谱中， 属性及关系， 往 往都不是单一的。 在本发明中， 提供一种新的知 识反馈方案， 这种映射方案可以将属性增强图谱 中的知识进行映射， 并应用键值记忆网络， 获取 此类问题的解 答。 权利要求书2页 说明书6页 附图3页 CN 115269793 A 2022.11.01 CN 115269793 A 1.一种用于解决文本数据中比较 类问题推理问答的方法， 其特 征在于， 包括以下步骤： 步骤1， 输入 包含比较类问题的文本数据， 进行通用图谱到属性增强图谱的改造； 步骤2， 对比较类问题， 使用模板匹配及NLP分词及词性匹配的方式， 确定比较类问题及 相关的比较属性， 并简化比较 类问题； 步骤3， 通过知识反馈的方法， 将属性的比较反馈到实体的比较； 同时使用知识正反向、 主动被动来扩充二元组， 生成键值哈希 记忆空间； 步骤4， 使用键值记 忆法来获取文本数据中的比较 类问题推理结果。 2.根据权利要求1所述的方法， 其特 征在于， 步骤1包括： 步骤1‑1， 如果图谱组织形式为图数据库， 将通用图谱通过图遍历的方式组织成三元组 形式， 如果图谱组织形式是三元组， 则不进行变换； 步骤1‑2， 对三元组的关系类型进行词性筛分、 然后进行整编， 来区分实体类关系、 事实 类关系、 属性类关系， 筛选 关键句， 并使用句法依存， 找出相应的实体间关系， 组织 成实体关 系网络； 步骤1‑3， 使用不同的谓语词匹配方法， 将事实类关系简化整合为[ 短语， 关系， 属性]或 [短语， 关系， 实体]的三元组， 这时事实类关系能够转化为属性关系或实体关系使用， 只是 实体是短语本身； 步骤1‑4， 对属性类关系进行映射， 通过属性类关系词 表， 对属性类关系进行映射， 并将 属性类关系与实体关系进行区分； 筛选出关键句后， 使用句法依存的方法提取出相应的属 性关系； 步骤1‑5， 进行图谱重组， 获得属性增强图谱， 区分属性和 实体之间的关系RP以及实体 和实体之间关系RL， 并进行 特别标注。 3.根据权利要求2所述的方法， 其特征在于， 步骤2中， 通过比较类连词的词表匹配， 确 定比较类型语句； 通过NLP词性分析， 获取句中名词性词语、 动宾短语作为比较主体， 通过词 性筛选获得形容词性作为比较关键词， 并将比较主体和比较关键词直接结合， 从而简化比 较类问题。 4.根据权利要求3所述的方法， 其特 征在于， 步骤3包括： 步骤3‑1， 确定属性增强图谱中任意两个相同类型属性 的三元组(s1,p1,o1)、 (s2,p2, o2)； 步骤3‑2， 对于属性 o1和o2的比较内容， 作为关系p3； 步骤3‑3， 通过关系反馈， 即属性的比较反馈 到实体上， 获得到新的三元组(s1,p3,s2)； 步骤3‑4， 通过反义词表， 获得一个或两个以上反向关系(s2,p4,s1)； 步骤3‑5， 使用s+p作为 k， 获得关联对(k， v)； 步骤3‑6， 做主被转换， 获得(k ’， v)。 5.根据权利要求 4所述的方法， 其特 征在于， 步骤4包括： 步骤4‑1， 键值哈希变换， 将知识库转换成关联对(k， v)的形式， 并从中选取一个子集； 步骤4‑2， 键寻址； 步骤4‑3， 值读取； 步骤4‑4， 更新问题空间。 6.根据权利要求5所述的方法， 其特征在于， 步骤4 ‑1包括： 形式转换： 对于三元组(s,p,权　利　要　求　书 1/2 页 2 CN 115269793 A 2o)， 将s和p共同作为 k， 将o作为v； 选取的子集满足如下三个条件： 一是k与输入的问题有共同单词； 二是共同的单词不是停用词； 三是根据共同的单词数 量排序， 选择 前N个； 每个问题都需要构建记 忆空间。 7.根据权利要求6所述的方法， 其特征在于， 步骤4 ‑2包括： 根据问题， 为键值中的所有 键值key计算一个概率分布 其中， Softmax表示归一化指数函数， 代表问题x的向量空间， 代表N个 键值空间的键值形成的键值向量空间， i取值 为1～N。 8.根据权利要求7所述的方法， 其特征在于， 步骤4 ‑3包括： 根据键值的概率概率分布 对值Value 的向量空间进行变换计算， 其中 表示在第h轮迭代下第i个值的向 量表示， 计算 值Value的加权向量 o： 9.根据权利要求8所述的方法， 其特征在于， 步骤4 ‑4包括： 根据键的概率， 计算值Value 的加权问题以后， 使用第j轮映射矩阵Rj对本轮初始问题向量进行变换， qj代表第j轮的初始 问题向量： qj+1＝Rj(qj+o)。 10.根据权利要求9所述的方法， 其特征在于， 步骤4 ‑4还包括： 使用qj+1替换问题x 的向 量空间 迭代更新， 迭代H步后， 将qH+1输入分类 器中， 预测答案Answer： 其中T表示矩阵转置 。权　利　要　求　书 2/2 页 3 CN 115269793 A 3