(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 202210188960.X (22)申请日 2022.02.28 (71)申请人 中国石油大 学 （华东） 地址 266580 山东省青岛市黄岛区长江西 路66号 (72)发明人 韩文芳　李洋　谷潇　蒲志奇　 杨尉科　渐令　 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/332(2019.01) G06F 16/35(2019.01) G06F 40/295(2020.01) (54)发明名称 一种基于知识图谱的高校专业智能问答系 统及方法 (57)摘要 本发明涉及一种基于知识图谱的高校专业 问答系统， 包括知识图谱构建模块、 问题分类模 块、 数据库查询模块、 结果反馈模块。 一种基于知 识图谱的高校专业问答方法包括以下步骤： S1. 采集各高校专业信息， 构建高校专业知识图谱； S2.获取并解析用户查询文本， 识别出关键词并 判断问题类型； S3.选择问题类型对应的结构化 模板， 结合关键词生成结构化语句， 进行查询获 取相关结果； S4.整合检索结果， 生成答复语句， 将其反馈给用户。 本发明主要针对高考报考流程 中考生查询专业信息碎片化、 低效率等问题， 整 合了高校专业信息， 有效提高了检索高校专业知 识答案的准确率。 权利要求书2页 说明书5页 附图3页 CN 114547342 A 2022.05.27 CN 114547342 A 1.一种基于知识图谱的高校专业智能问答系统， 其特征在于， 所述系统包括知识图谱 构建模块、 问题分类模块、 数据库查询模块和结果反馈模块： 所述知识图谱构建模块， 用于根据中国教育在线这一垂直网站获取的数据构建高校专 业知识图谱； 所述问题分类模块， 用于解析用户查询语句， 通过HanLP工具对问句进行词语分割和词 性标注， 从而识别出语句的关键词， 使用预训练的朴素贝叶斯分类算法进行分类； 所述数据库查询模块， 根据标签所对应的结构化问题模板， 将提取的关键词与问题模 板匹配， 生成结构化语句， 再将其 转换为对应的数据库查询语句； 所述结果反馈模块， 用于显示前端聊天界面， 整合检索答案， 生成合理自然的答复语 句， 展示给用户。 2.根据权利要求1所述的一种基于知识图谱的高校专业智能问答系统， 其特征在于， 所 述知识图谱构建模块包括专业数据爬取 单元、 结构调整单 元和专业数据存 储单元； 所述专业数据爬取单元， 用于对中国教育在线这一垂直网站 的文本数据进行爬取， 并 传递至结构调整单 元； 所述结构调整单元， 用于对高校专业数据爬取单元所获得文本数据进行整理， 抽取可 用单元格， 形成jso n结构化数据， 并存 入数据库用于后续分析； 所述专业数据存储单元， 用于设置实体及专业属性， 确定各个实体间的关系， 将整理好 的数据通过Neo 4j图形数据库进行存 储， 生成高校专业知识图谱。 3.根据权利要求1或2所述的一种基于知识图谱的高校专业智能问答系统， 其特征在 于， 所述问题分类模块包括识别问句关键词单 元和判断 问题类别单 元； 所述识别问句关键词单元， 用于对用户语句进行解析时， 通过HanLP分词工具进行词语 切割和词性标注， 从而从句子中识别出实体作为关键词； 所述判断问题类别单元， 用于识别问题类别， 使用预训练的朴素贝叶斯算法对问题进 行分类， 获取问题标签， 为此， 本系统总共设置 了16类问题， 问题标签用0 ‑15表示。 4.根据权利要求1或2所述的一种基于知识图谱的高校专业智能问答系统， 其特征在 于， 所述系统还包括数据库查询模块， 用于将问题分类模块的数据转换为对应的数据库查 询语言。 5.根据权利要求1或2所述的一种基于知识图谱的高校专业智能问答系统， 其特征在 于， 所述系统还包括结果反馈模块用于高校专 业查询结果展示， 系统前端为聊天室 界面， 答 案以文本形式进行展示。 6.一种基于知识图谱的高校专业智能问答系统实现的方法， 其特征在于， 所述方法包 括以下步骤： S1.采集各高校专业信息， 构建高校专业知识图谱； S2.获取并解析用户查询文本， 识别出关键词并判断 问题类型； S3.选择问题类型对应的结构化模板， 结合关键词生成结构化语句， 进行查询获取相关 结果； S4.整合检索结果， 生成答复语句， 将其反馈给用户。 7.根据权利要求6所述的方法， 其特征在于， 所述S1中， 构建高校专业知识图谱的步骤 为： S1.1收集专业信息， 整理并抽取 可用知识单 元， 形成结构化数据；权　利　要　求　书 1/2 页 2 CN 114547342 A 2S1.2将高校专业信息映射 为专业实体及其属性； S1.3构建一个整合 “新工科、 新医科、 新农科、 新文科 ”专业相关数据信息的高校专业知 识图谱。 8.根据权力要求6所述的方法， 其特 征在于， 所述S2的过程 为： S2.1获取用户问题文本， 基于HanLP工具对用户问句进行分词和词语标注， 识别问题文 本中的关键词； S2.2使用预训练的朴素贝叶斯分类算法对问题分类。 9.根据权力要求6所述的方法， 其特 征在于， 所述S3的过程 为： S3.1调用对应结构化问题模版， 将提取出的关键词与问题模板匹配， 生成知识图谱库 中检索语句； S3.2在高校专业知识图谱中获取查询结果。权　利　要　求　书 2/2 页 3 CN 114547342 A 3