(19)中华 人民共和国 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 202111653321.8 (22)申请日 2021.12.3 0 (71)申请人 上海一嗨信息技 术服务有限公司 地址 201818 上海市嘉定区嘉戬公路328号 7幢632室 申请人 一嗨租车服 务管理(上海)有限公司 (72)发明人 韦自双　 (74)专利代理 机构 上海元好知识产权代理有限 公司 31323 代理人 张双红　包姝晴 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/33(2019.01) G06F 16/36(2019.01) G06K 9/62(2022.01)G06Q 30/00(2012.01) G06Q 30/06(2012.01) G06N 3/04(2006.01) G06N 7/00(2006.01) (54)发明名称 租车企业知识图谱构建方法 (57)摘要 本发明公开了一种租车企业知识图谱构建 方法， 包括： 定期获取用户的问题集和人工客服 对应的回复集； 所述问题集包括若干个提问文 本， 所述回复集包括若干个答复文本， 且每一所 述提问文本和每一所述答复文本皆包括若干个 文本词； 计算所述问题集中每一提问文本和其他 提问文本之间的距离， 以得到所述问题集中每一 提问文本和其他提问文本的词向量间关系； 根据 所述问题集中每一提问文本和其他提问文本的 词向量间关系， 构建所述问题 集中每一提问文本 的似然模型， 以得到提问热点； 以及根据所述提 问热点及所述答复文本构建知识图谱。 本发明可 以根据提问热点构建知 识图谱， 使得智能客服系 统可以准确识别并回复热点问题， 从而减小人工 客服的压力。 权利要求书2页 说明书6页 附图1页 CN 114398472 A 2022.04.26 CN 114398472 A 1.租车企业知识图谱构建方法， 其特 征在于， 包括： 定期获取用户的问题集和人工客服对应的回复集； 所述问题集包括若干个提问文本， 所述回复集包括若干个答复文本， 且每一所述提问文本和每一所述答复文本皆包括若干个 文本词； 计算所述问题集中每一提问文本和其他提问文本之间的距离， 以得到所述问题集中每 一提问文本和其 他提问文本的词向量间关系； 根据所述问题集中每一提问文本和其他提问文本的词向量间关系， 构建所述问题集中 每一提问文本的似然模型， 以得到提问热点； 以及 根据所述 提问热点及所述 答复文本构建知识图谱。 2.如权利要求1所述的租车企业知识图谱构建方法， 其特征在于， 计算所述问题集中每 一提问文本和其 他提问文本之间的距离的步骤 包括： 对所述问题集中每一提问文本和其他提问文本之间的Jaro距离和匹配窗口距离进行 计算； 以及 将所述问题集中每一提问文本和其他提问文本之间的Jaro距离和匹配窗口距离进行 比较， 以得到所述问题集中每一 提问文本和其 他提问文本的词向量间关系。 3.如权利要求2所述的租车企业知识图谱构建方法， 其特征在于， 所述问题集中每一提 问文本和其 他提问文本之间的Jaro距离采用如下公式进行计算： 其中， dij为所述问题集中第i个提问文本和第j个提问文本之间的Jaro距 离， 且j≠i； nij 为第i个提问文本和第j个 提问文本的匹配数目； si为第i个提问文本的长度； sj为第j个提问 文本的长度； tij为第i个提问文本和第j个提问文本的换位数目。 4.如权利要求3所述的租车企业知识图谱构建方法， 其特征在于， 所述问题集中每一提 问文本和其 他提问文本之间的匹配窗口距离采用如下公式进行计算： 其中， d′ij为所述问题集中第i个提问文本和第j个提问文本之间的匹配窗口距离 。 5.如权利要求 4所述的租车企业知识图谱构建方法， 其特 征在于， 所述问题集中两个提问文本之间的Jaro距离值大于对应的匹配窗口距离， 则两个提问 文本的词向量间关系为相异； 所述问题集中两个提问文本之间的Jaro距离小于对应的匹配窗口距离， 则两个提问文 本的词向量间关系为相同。 6.如权利要求5所述的租车企业知识图谱构建方法， 其特征在于， 构建所述问题集中每 一提问文本的似然模型， 以得到提问热点的步骤 包括： 将所述问题集中任一 提问文本及与其词向量间关系为相同的提问文本构成一数据集； 采用似然函数对同一所述数据集构建一似然模型， 以得到同一所述数据集中每一提问 文本的似然估计值； 以及 将同一所述数据集中对应似然估计值大于预设值的所有提问文本构成一热点组。权　利　要　求　书 1/2 页 2 CN 114398472 A 27.如权利要求6所述的租车企业知识图谱构建方法， 其特征在于， 构建所述问题集中每 一提问文本的似然模型， 以得到提问热点的步骤 还包括： 对同一所述热点组中每一 提问文本的文本词的TF ‑IDF值进行计算； 将同一所述热点组中所有 文本词按照TF ‑IDF值递减的顺序进行排序； 以及 选取同一所述热点组中TF ‑IDF值位于前20％的文本词为 提问热点。 8.如权利要求7所述的租车企业知识图谱构建方法， 其特征在于， 同一所述热点组中每 一提问文本的文本词的TF ‑IDF值采用如下公式进行计算： TF‑IDF(x)＝TF(x) ·IDF(x) 其中， TF‑IDF(x)为文本词x的TF ‑IDF值； TF(x)为文本词x在对应所述热点组中所有文 本词中出现的频率； IDF(x)为文本词x的逆文本频率； N为对应所述热点组中提 问文本的总 数； N(x)为对应所述热点组中包 含文本词x的提问文本的数量。 9.如权利要求1所述的租车企业知识图谱构建方法， 其特征在于， 根据 所述提问热点及 所述答复文本构建知识图谱的步骤包括： 根据所述提问热点和对应的所述答复文本， 采用 LSTM+CRF模型构建所述知识图谱。 10.如权利要求6所述的租车企业知识图谱构建方法， 其特征在于， 执行采用似然函数 对同一所述数据集构建一似然模型的步骤 之前还包括： 采用主成分分析算法对同一所述数 据集中所有提问文本进行降维处 理。权　利　要　求　书 2/2 页 3 CN 114398472 A 3