基于法律知识图谱的推理式精准智能问答方法.pdf

(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CN110377715A(43)申请公布日2019.10.25(21)申请号201910666095.3(22)申请日2019.07.23(71)申请人天津汇智星源信息技术有限公司地址301700天津市武清区京津科技谷产业园和园道89号29栋602室-80（集中办公区）(72)发明人余梓飞张艳丽于锋杰(74)专利代理机构天津诺德知识产权代理事务所(特殊普通合伙)12213代理人王同胜(51)Int.Cl.G06F16/332(2019.01)G06F16/335(2019.01)G06F16/36(2019.01)权利要求书2页说明书10页附图3页(54)发明名称基于法律知识图谱的推理式精准智能问答方法(57)摘要本发明涉及基于法律知识图谱的推理式精准智能问答方法，包括知识图谱模块：以法律领域数据作为输入，用于对输入所述法律领域数据先进预处理，再对其法律知识进行抽取，通过对抽取法律知识进行知识关联与知识校验，进而得到知识图谱；智能问答模块：以用户提出的法律相关问题描述作为输入，通过基于所述知识图谱推理和基于多轮问答的引导式提问，得到用户法律问题，并最终给出答案；多伦会话管理模块：用来协调用户与机器的对话过程；用户画像模块：根据用户日常提问以及提问时情绪情况，建立用户画像，了解用户在法律方面需求；问题推荐模块：在用户画像模块基础上对用户法律需求进行推送。本发明可提升法律知识图谱的构建速度并人工成本。CN110377715ACN110377715A权利要求书1/2页1.基于法律知识图谱的推理式精准智能问答方法，其特征在于，包括知识图谱模块、智能问答模块、多轮会话管理模块、用户画像模块和问题推荐模块，其中：知识图谱模块：以法律领域数据作为输入，用于对输入的所述法律领域数据先进预处理，再对其法律知识进行抽取，通过对抽取的法律知识进行知识关联与知识校验，进而得到知识图谱；智能问答模块：以用户提出的法律相关问题描述作为输入，通过基于所述知识图谱的推理和基于多轮问答的引导式提问，得到用户的法律问题，并最终给出答案；多伦会话管理模块：用来协调用户与机器的对话过程，包括用户与机器之间的多轮交互沟通；用户画像模块：通过收集用户日常提问情况，根据用户日常提问以及提问时的情绪情况，建立用户画像，了解用户在法律方面的需求；问题推荐模块：在所述用户画像模块的基础上对用户的法律需求进行推送。2.根据权利要求1所述的基于法律知识图谱的推理式精准智能问答方法，其特征在于，所述知识图谱模块的构建是一个迭代更新的过程，每次迭代包括四个阶段，具体地：第一阶段：数据预处理，对于法律文本中的大量数据，所需要的是所述数据中重要的一部分，而对于所述数据中大量的停用词需要对其预处理进行删去；第二阶段：信息抽取，从各种法律文本的数据源中提取出实体、属性以及实体间的相互关系，在此基础上形成本体化的知识表达；第三阶段：知识关联：在获得新知识之后，需要对其进行整合，以消除矛盾和歧义；第四阶段：知识校验，对于经过关联得到的新知识，需先经过质量评估，再将合格的部分加入到知识库中。3.根据权利要求2所述的基于法律知识图谱的推理式精准智能问答方法，其特征在于，所述知识关联包括实体链接和知识合并，所述实体链接是指对于从法律数据源中抽取得到的实体对象，将抽取得到的所述实体对象链接到知识库中对应正确的所述实体对象。4.根据权利要求3所述的基于法律知识图谱的推理式精准智能问答方法，其特征在于，所述知识合并用于对结构化数据的处理，包括合并外部知识库和合并关系数据库。5.根据权利要求1-4任一项所述的基于法律知识图谱的推理式精准智能问答方法，其特征在于，所述智能问答模块包括智能过滤模块、问题预处理模块、语句重构模块、智能搜索与推理模块和深度学习排序模块，智能过滤模块，用于检测用户输入的问题是否存在敏感信息；问题预处理模块，结合所述多伦会话管理模块中上下文信息，进行口语解析和语法纠错等预处理操作，使语句更加规范；语句重构模块，先对用户输入的语句进行拆分，保留语句中重要实体与关系，去除无意义的虚词、停用词，通过与所述知识图谱建立映射关系，对重要语句和关系进行重组，实现机器可理解的语句；智能搜索与推理模块，基于SPARQL到图数据库中进行所述知识图谱搜索；深度学习排序模块，通过机器学习方法学习一个分值函数对待排序的候选进行打分，再根据分值的高低确定序关系。6.根据权利要求5所述的基于法律知识图谱的推理式精准智能问答方法，其特征在于，2CN110377715A权利要求书2/2页所述语句重构模块包括复杂语句的拆分、问句中实体和关系到所述知识图谱实体和关系的映射转换。7.根据权利要求6所述的基于法律知识图谱的推理式精准智能问答方法，其特征在于