(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 202210342543.6 (22)申请日 2022.03.31 (71)申请人 中国软件与技 术服务股份有限公司 地址 100081 北京市海淀区学院南路5 5号 （中软大厦） (72)发明人 吴晶　周献民　周军　张巍　 谭太龙　王峰　罗洪海　谷金哲　 孙蕾　王纲　吴凡　 (74)专利代理 机构 北京君尚知识产权代理有限 公司 11200 专利代理师 司立彬 (51)Int.Cl. G06F 40/289(2020.01) G06F 16/36(2019.01) (54)发明名称 一种快速适配不同知识图谱的方法及系统 (57)摘要 本发明公开了一种快速适配不同知识图谱 的方法及系统。 本方法为： 1)利用意图识别模块 对用户输入的自然语言查询语句进行处理， 得到 命名实体及词性， 同时输出当前查询语句的用户 意图及槽位； 2)图查询语句配置模块根据所述用 户意图， 配置不同答案的图谱查询语句模板； 3) 对于每一所述图谱查询语句模板， 根据所述图谱 查询语句模板确定一指定的图谱； 知识图谱实体 解析模块将所述图谱查询语句模板中的查询实 体槽位字段过滤出来， 将查询实体槽位字段替换 成输入或选取的查询词语， 形成一句可完整执行 的图谱查询语句， 根据所述图谱查询语句从所述 指定的图谱 里查询出对应的结果对象。 本发明能 够智能对接不同领域知 识图谱、 快速地进行数据 解析。 权利要求书1页 说明书4页 附图2页 CN 114881021 A 2022.08.09 CN 114881021 A 1.一种快速适配不同知识图谱的方法， 其 步骤包括： 1)利用意图识别模块对用户输入的自然语言查询语句进行处理， 得到命名实体及词 性， 同时输出当前查询语句的用户意图及槽位； 2)图查询语句配置模块 根据所述用户意图， 配置不同答案的图谱查询语句模板； 3)对于每一所述图谱查询语句模板， 根据所述图谱查询语句模板确定一指定的图谱； 知识图谱实体解析模块将所述图谱查询语句模板中的查询实体槽位字段过滤出来， 将查询 实体槽位字段替换成输入或选取 的查询词语， 形成一句可完整执行 的图谱查询 语句， 根据 所述图谱查询语句从所述指定的图谱里查询出对应的结果对象。 2.根据权利要求1所述的方法， 其特征在于， 所述图谱查询语句模板中的信息包括： 意 图类别、 槽位、 图查询语句。 3.根据权利要求2所述的方法， 其特征在于， 所述图谱查询语句模板 中的信息还包括 回 复类型。 4.根据权利要求3所述的方法， 其特 征在于， 所述回复类型包括模板回答、 图谱回答。 5.根据权利要求1至4任一项所述的方法， 其特征在于， 所述知识图谱实体解析模块从 所述图谱查询语句模板中解析出基本对象， 将所述基本对象替换成输入或选取的查询词 语， 进行图谱的查询， 获取对应的键值 key及关联的N ode节点对象数据。 6.一种快速适配不同知识图谱的系统， 其特征在于， 包括意图识别模块、 图查询语句配 置模块， 知识图谱实体解析模块； 其中， 所述意图识别模块， 用于对用户输入的自然语言查询语句进行处理， 得到命名实体及 词性， 同时输出当前查询语句的用户意图及槽位； 所述图查询语句配置模块， 用于根据所述用户意图， 配置不同答案的图谱查询语句模 板； 所述知识图谱实体解析模块， 用于根据所述图谱查询语句模板确定一指定的图谱； 将 所述图谱查询语句模板中的查询实体槽位字段过滤出来， 将查询实体槽位字段替换成输入 或选取的查询词语， 形成一句可完整执行 的图谱查询 语句， 根据所述图谱查询 语句从所述 指定的图谱里查询出对应的结果对象。 7.一种计算机设备， 其特征在于， 包括存储器和 处理器， 所述存储器存储计算机程序， 所述计算机程序被配置为由所述处理器执行， 所述计算机程序包括用于执行权利要求 1至5 任一项所述方法中各步骤的指令 。 8.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 5任一项所述方法的步骤。权　利　要　求　书 1/1 页 2 CN 114881021 A 2一种快速适配不同知识图谱的方 法及系统 技术领域 [0001]本发明属于人工智能领域， 涉及一种智能助手快速对接上不同领域的知识图谱时 的数据解析实现方法； 具体为 一种快速适配不同知识图谱的方法及系统。 背景技术 [0002]随着谷歌在2012年宣布了其搜索引擎里用知识图谱技术后， 此后开始在学术界和 业界普及， 被广泛地应用于人工智能助手和问答系统中， 用于辅助深度理解人类的语言和 支持推理， 并提升人机 问答的用户体验等。 随着知识图谱的价值不断地被各企业和组织所 发掘和利用， 规模也越来越大， 但是碎片化的程度也在增大， 导致了上层智能助手等应用 app想要对底层图谱进 行调用的时候， 需要花大量时间对不同图查询语句进 行解析上， 因为 不同领域的意图识别 及图查询语句所涉及的实体和关系类型不一样， 导致需要的数据解析 模型也不一样。 如图1所示， 智能助手原先的业务是调用知识图谱A的内容， 现在需要接入对 知识图谱B内容的调用， 由于两者图谱里的实体类型及对应的属性key不一样， 导致需要在 代码里不断地写对应的模型解析语句。 为便于理解， 这里用J ava编程语言和图数据库Neo4j 相互之间的调用来举例说明。 [0003]示例1： 查询图谱A某系列产品的列表信息。 在java代码里对应的模型数据解析方 法一般是： [0004]@Query("matc h(n:Product)where  n.prdname  contains{prdname}return  n") [0005]List<Product>getProductL ist(@Param("prdname")St ring prdname) [0006]示例2： 查询图谱B某方案的联系人信息。 在java代码里对应的模型数据解析方法 一般是： [0007]@Query("match(n:Contacter) ‑[:inchargeof] ‑(m)where  m.solname contains {solname}return  n") [0008]List<Contacter>getProductCo ntacters(@Param("so lname")St ring solname) [0009]以上方法需要每针对一个图查询语句， 都需要编写一个图查询语句匹配的java语 句来进行解析， 然后重新打包成jar或war包来发布到服务器环境上， 如此下来整体进度会 非常地慢， 需要花很大的成本去适配不同领域下的知识图谱。 发明内容 [0010]针对现有技术的上述缺陷， 本发明的目的在于提供一种快速适配不同知识图谱的 方法及系统； 本发明通过智能助手对接不同领域知识图谱时候能够快速地进行数据解析。 本发明解决其 技术问题所采用的技 术方案是： [0011]一种快速适配不同知识图谱的方法， 其 步骤包括： [0012]1)利用意图识别模块对用户输入的自然语言查询语句进行处理， 得到命名实体及 词性， 同时输出当前查询语句的用户意图及槽位； [0013]2)图查询语句配置模块 根据所述用户意图， 配置不同答案的图谱查询语句模板；说　明　书 1/4 页 3 CN 114881021 A 3