(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 202210018753.X (22)申请日 2022.01.09 (71)申请人 西北大学 地址 710069 陕西省西安市碑林区太白北 路229号 (72)发明人 贺小伟　冯强　 (74)专利代理 机构 西安西达专利代理有限责任 公司 61202 专利代理师 刘华 (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) G06N 5/02(2006.01) (54)发明名称 一种基于知识图谱的文物问答系统与问答 方法 (57)摘要 一种基于知识图谱的文物问答系统与问答 方法， 构建基于文物数据的知识图谱、 高频查询 问题展示、 构建常见问题模板； 对输入问题进行 词嵌入， 基于BERT的预训练模型、 BERT、 BILSTM、 CRF完成命名实体识别、 关系抽取的过程， 最终将 相关实体与关系对应到问题查询模板， 构建CQL 查询语句， 接着再去到NEO4J表示的知识图谱中 查询相关结果进行返回， 最终显示给用户。 该系 统能够让游客更加了解相关文物的背景等相关 延伸信息， 提升用户浏览的感受。 权利要求书2页 说明书4页 附图1页 CN 114490930 A 2022.05.13 CN 114490930 A 1.一种基于知识图谱的博物馆文物问答系统， 其特 征在于， 包括以下组成： 交互前端模块； 构建文本预处 理模块； 构建匹配问题模块； 构建知识图谱 模块； 所述的文本预处 理模块包括分词模板、 词性标注模板、 命名实体识别模板； 所述的匹配问题模块包括标注自然语言问句模板、 关键部分替换模板、 生成CQL语句模 板； 所述知识图谱 模块包括文物数据爬取模板、 数据整理模板、 NEO4J模板 。 2.一种基于知识图谱的文物问答方法， 其特 征在于， 包括以下步骤： 步骤一， 从原始网页中下载所有非结构化的文本信息， 利用爬虫、 正则表达 式等技术提 取所关注的信息， 构建成为JSON文件， 然后进行数据清理， 最后再人工检查一次， 确保数据 没有问题， 最终整理成为<实体一,  关系, 实体二>的形式数据存储到NEO4J表示的知识图 谱中； 步骤二， 对用户输入的查询语句进行处理， 基于BERT预训练模型的方式将文字表达为 文本向量， 最终再用基于BILSTM、 CRF的模型架构完成命名实体识别与关系抽取的任务， 至 此已经得到了实体一、 实体二、 关系； 步骤三， 由实体+关系的方式去构建构建常见问题模板； 根究对应的问题模板生成CQL 到NEO4J中查询内容， 并返回给 前端展示。 3.根据权利要求1所述的一种基于知识图谱的文物问答方法， 其特征在于， 所述的对文 物关系定义 为： 年代、 产地、 作者、 作品、 收藏 地、 好友、 师 徒、 地址、 家人、 研究、 藏品。 4.根据权利要求1所述的一种基于知识图谱的文物问答方法， 其特征在于， 所述的构建 相关问句训练集， 对其中实体、 关系做标记， 对问句使用BIO标记法进行 标记。 5.根据权利要求1所述的一种基于知识图谱的文物问答方法， 其特征在于， 所述的使用 BERT完成w ord embeddings， 讲文字转换成为数字向量。 6.根据权利要求1所述的一种基于知识图谱的文物问答方法， 其特征在于， 所述的对嵌 入之后的矩阵使用BiLSTM， 包括： 前向LSTM， 每个词通过遗忘门和输入门完成对 上文重要信 息的融合‘后向LSTM， 每个词 通过遗忘门和输入门完成对下文重要信息的融合； ’最终将前 向与后向隐藏层表示的向量进行拼接融合。 7.根据权利要求1所述的一种基于知识图谱的文物问答方法， 其特征在于， 所述的由于 BiLSTM的输出有一些规则 上本不允许的标注存在， 将其输出作为CRF的输入从而将命名实 体识别的规则加到序列标注过程中， 以达 到从所有输出 结果中选取 可能性最大的结果。 8.根据权利要求1所述的一种基于知识图谱的文物问答方法， 其特征在于， 所述的JSON 文件做以下处 理， 以备后序训练模型： 1） 将所有实体、 关系存 储下来； 2） 对所有实体与关系的组合构建 问题模板， 再把问句中的问答形式进行同义词替换等 扩充， 最终形成用于后序训练的问题数据集； 3） 对上述产生的问题数据集按一定比例划分成为训练集与测试集。 9.根据权利要求1所述的一种基于知识图谱的文物问答方法， 其特征在于， 所述的建立权　利　要　求　书 1/2 页 2 CN 114490930 A 2BERT+BiLSTM+CRF的命名实体识别模型， 具体训练步骤如下： 一、 BERT 1） 给字编号；  2） 从embedding向量字典中查询相应字符的向量；  3） 从句子中获取字的 位置向量；  4） 将2） 、 3） 两种的向量做加法；  5） 使用自注 意力机制获取每两个字 符之间的距 离结果； 6） 使用多头注 意力机制， 重复计算N次步骤五， 获得N个结果；  7） 对六中的N结果进 行拼接， 再通过一个全连接层计算出最 终结果； 8） 对七中结果进 行批归一化；  9） 做残差链 接， 将四步中的向量与八步中的向量进 行相加； 10） 做一个前向传播网络， 获得最 终每个字 符的字向量表示； 二、 BiLSTM 将句子表示的向量矩阵输入前向LSTM， 每个字符将得到融合上文信息的隐藏层向量表 示， 将句子表示的向量矩阵输入后向LSTM， 每个字符将得到融合下文信息的隐藏层向量表 示； 最后将上 下文的隐藏向量进行拼接， 得到每 个字符融合了上 下文信息的向量表示； 三、 CRF 将BiLSTM的输出向量经 过CRF处理， 得到概 率最高的序列标注结果。权　利　要　求　书 2/2 页 3 CN 114490930 A 3