买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种对话式知识库问答实现方法，步骤1：预先定义模糊推理语法体系；步骤2：获取待回答的当前问题、对话历史信息，通过GloVe模型得到向量表示；步骤3：得到编码器的隐状态向量；步骤4：从特征表示中识别出命名实体及其类型；步骤5：得到知识库中的实体ID；步骤6：得到问题在当前语法框架下的逻辑形式；步骤7：预测问题中的关系ID和实体类型ID；步骤8：得到可在知识库上执行的查询语句；步骤9：在知识库中执行该查询语句，得到当前问题对应的答案。与现有技术相比，本发明自动识别出对话中用户问题的意图，提高了对话中应答的准确率，适用于开放领域知识图谱问答，能提升用户体验满意度。

主权项：1.一种对话式知识库问答实现方法，其特征在于，该方法包括以下步骤：步骤1：预先定义模糊推理语法体系；步骤2：获取待回答的当前问题、对话历史信息，通过GloVe模型得到向量表示；步骤3：通过基于多头注意力机制的编码器，得到编码器的隐状态向量，表示如下：henc＝encoderx；θenc其中，encoder是编码器函数，θdec是编码器函数的可训练参数；步骤4：通过基于LSTM的命名实体识别模型，从特征表示中识别出命名实体及其类型，具体包括以下操作：步骤S401：通过基于LSTM的命名实体识别模型，从特征表示中识别出命名实体及其类型，表示如下：hLSTM＝LSTMhenc；θLSTM其中，LSTM是长短期记忆网络，θLSTM是LSTM的可训练参数，hLSTM是通过LSTM得到的隐状态向量；步骤S402：筛选识别出的实体，通过前馈神经网络，对问题中的实体进行筛选，表示如下：hFFN＝LeakyReLUWFFN1[henc；hLSTM] 其中，LeakyReLU是带泄露修正线性单元，WFFN1和WFFN2是线性层1和2的可训练参数，用以变换矩阵维度，hFFN是前馈神经网络的隐状态向量，Py|ER|x表示yER相对于x的概率，x是输入序列，yER是命名实体识别任务的真实标签，是在时间步t的前馈神经网络隐状态向量；步骤5：通过基于XLNet的实体消歧模型，将识别出的实体链接到知识库中的实体，得到知识库中的实体ID；步骤6：根据编码器的隐状态向量，通过基于多头注意力机制的解码器，得到问题在当前语法框架下的逻辑形式；表示如下：zdec＝decoderhenc；θdec 其中，decoder是解码器函数，θdec是编码器函数的可训练参数，zdec是解码器函数的隐状态向量，Pydec|x表示ydec相对于ydec的概率，ydec是输入序列，ydec是解码任务的真实标签，Wdec是一个线性层，用以转换解码器隐状态向量的维度；步骤7：根据编码器的隐状态向量最后一位、解码器的隐状态向量和知识库知识，预测问题中的关系ID和实体类型ID；步骤8：将实体ID、关系ID、实体类型ID与解码得到的逻辑形式整合，得到可在知识库上执行的查询语句；步骤9：在知识库中执行该查询语句，得到当前问题对应的答案。

全文数据：

权利要求：

百度查询： 天津大学 一种对话式知识库问答实现方法