(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 202210095006.6 (22)申请日 2022.01.26 (71)申请人 上海易康源医疗健康科技有限公司 地址 200120 上海市浦东 新区中国(上海) 自由贸易试验区临港新片区新杨公路 860号10幢 (72)发明人 曾祥云　朱姬渊　 (74)专利代理 机构 上海硕力知识产权代理事务 所(普通合伙) 31251 专利代理师 王法男 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/36(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 5/02(2006.01) G06N 5/04(2006.01) (54)发明名称 基于知识图谱的问句推理方法及系统 (57)摘要 本申请涉及一种基于知识图谱的问句推理 方法及系统， 包括获取当前待解答问题， 并根据 所述当前待解答问题和预设的双向LSTM获得指 令向量ik， 对所述当前待解答问题进行向量化表 示， 并得到实体向量表示值E(k‑1)， 根据所述指令 向量ik、 所述实体向量表示值E(k‑1)和知识图谱， 生成当前实体分布， 将知识图谱放入GAT网络进 行特征抽取， 并获得当前GAT网络抽取特征和当 前GAT网络抽取标签， 最后将所述 当前GAT网络抽 取特征和所述当前LSTM抽取实际特征进行拼接， 并生成最终问询特征， 进而实现特征抽取和问句 查询的高准确率。 权利要求书2页 说明书5页 附图2页 CN 114490988 A 2022.05.13 CN 114490988 A 1.一种基于知识图谱的问句推理方法， 其特 征在于， 所述方法包括： 步骤S100： 获取当前待解答问题， 并根据所述当前待解答问题和预设的双向LSTM获得 指令向量 ik； 步骤S200： 对所述当前待解 答问题进行向量 化表示， 并得到实体向量表示 值E(k‑1)； 步骤S300： 根据所述指令向量ik、 所述实体向量表示值E(k‑1)和知识图谱， 生成当前实体 分布； 步骤S400： 将知识图谱放入GAT网络进行特征抽 取， 并获得当前GAT网络抽取特征和当 前GAT网络抽取 标签； 步骤S500： 将所述当前GAT网络抽取特征和所述当前LSTM抽取实际特征进行拼接， 并生 成最终问询特 征。 2.根据权利要求1所述的基于知识图谱的问句推理方法， 其特征在于， 步骤S100： 获取 当前待解答问题， 并根据所述当前待解答问题和 预设的双向LSTM获得指令向量ik， 具体包 括： 步骤S110： 获取当前待解答问题， 并基于双向LSTM对所述当前待解答问题进行特征抽 取， 并获得当前LSTM抽取实际特 征； 步骤S120： 根据所述当前LSTM抽取实际特 征进行特征增强， 并获得指令向量 ik。 3.根据权利要求1所述的基于知识图谱的问句推理方法， 其特征在于， 步骤S300： 根据 所述指令向量 ik、 所述实体向量表示 值E(k‑1)和知识图谱， 生成当前实体分布， 具体包括： 步骤S310： 基于所述实体向量表示值E(k‑1)和知识图谱， 生成多级跳实体关系 特征向量 Ne； 步骤S320： 基于所述指令向量ik和所述多级跳实体关系特征向量Ne构建实体分布矩阵， 并生成当前实体分布。 4.根据权利要求1 ‑3任一项所述的基于知识图谱的问句推理方法， 其特征在于， 步骤 S500： 将所述当前GAT网络抽取特征和所述当前LSTM抽取实际特征进行拼接， 并生 成最终问 询特征， 之后还 包括： 根据所述 最终问询特 征和所述当前GAT网络抽取 标签计算KL损失。 5.一种基于知识图谱的问句推理系统， 其特 征在于， 所述系统包括： 问题获取模块， 用于获取当前待解答问题， 并根据所述当前待解答问题和预设的双 向 LSTM获得指令向量 ik； 向量表示模块， 用于对所述当前待解答问题进行向量化表示， 并得到实体向量表示值E (k‑1)； 实体分布模块， 用于根据所述指令向量ik、 所述实体向量表示值E(k‑1)和知识图谱， 生成 当前实体分布； 网络抽取模块， 用于将知识图谱放入GAT网络进行特征抽取， 并获得当前GAT网络抽取 特征和当前GAT网络抽取 标签； 问询特征模块， 用于将所述当前GAT网络抽取特征和所述当前LSTM抽取实际特征进行 拼接， 并生成最终问询特 征。 6.根据权利要求5所述的基于知识图谱的问句推理系统， 其特征在于， 所述问题获取模 块还包括：权　利　要　求　书 1/2 页 2 CN 114490988 A 2问题解答模块， 用于获取当前待解答问题， 并基于双向LSTM对所述当前待解答问题进 行特征抽取， 并获得当前LSTM抽取实际特 征； 特征增强模块， 用于根据所述当前LSTM抽取实际特征进行特征增 强， 并获得指令向量 ik。 7.根据权利要求6所述的基于知识图谱的问句推理系统， 其特征在于， 所述实体分布模 块还包括： 图谱表示模块， 用于基于所述实体向量表示值E(k‑1)和知识图谱， 生成多级跳实体关系 特征向量Ne； 分布生成模块， 用于基于所述指令向量ik和所述多级跳实体关系特征向量Ne构建实体 分布矩阵， 并生成当前实体分布。 8.根据权利要求6所述的基于知识图谱的问句推理系统， 其特征在于， 所述问询特征模 块还用于根据所述 最终问询特 征和所述当前GAT网络抽取 标签计算KL损失。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。 10.一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4中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114490988 A 3