申请/专利权人：南京理工大学

申请日：2020-12-21

公开（公告）日：2022-09-27

公开（公告）号：CN112699246B

主分类号：G06F16/36

分类号：G06F16/36;G06F16/435;G06F40/289

优先权：

专利状态码：有效-授权

法律状态：2022.09.27#授权;2021.05.11#实质审查的生效;2021.04.23#公开

摘要：本发明公开了一种基于知识图谱的领域知识推送方法，包括：收集领域知识文本构建文本知识库；针对知识库文本进行语义分析和主题建模；通过领域知识图谱嵌入获得节点的语义分布向量；依据用户任务描述、任务主题建立任务上下文特征；根据任务描述中的领域实体与知识图谱进行实体对齐，基于图谱节点路径和图节点语义分布特征进行特征扩展并进行任务关联知识召回；将召回文本与用户任务文本进行文本相似度计算获得候选文本得分；根据得分将排序结果文本推送给用户。本发明通过知识图谱的节点关联知识和图谱嵌入技术来提升领域知识推送的文本匹配度和用户体验。

主权项：1.一种基于知识图谱的领域知识推送方法，其特征在于，具体步骤为：步骤1、构建文本知识库，所述文本知识库由领域知识文本构成；步骤2、针对知识库文本进行语义分析和主题建模；步骤3、通过对领域知识图谱进行图嵌入式处理获得知识点的语义分布向量；步骤4、依据用户任务描述、任务主题建立任务上下文特征向量；步骤5、将用户任务描述文本中的领域实体与步骤3中的领域知识图谱进行实体对齐，基于图谱节点路径和图节点语义分布特征进行特征扩展并进行任务关联知识召回，具体步骤为：步骤5.1、根据用户任务实体获取任务描述和任务关联系统构件，在知识图谱上进行实体对齐操作获得图谱上对应任务实体的子图；步骤5.2、计算步骤5.1中子图实体的嵌入向量，获得子图的三跳内各路径上实体节点的词嵌入向量；步骤5.3、将图的各路径中实体节点进行关键路径扩展；步骤5.4、将步骤4的用户任务上下文特征、任务实体的图嵌入向量、子图节点组合的嵌入向量作为初步的召回条件进行知识库文本过滤，获取任务关联节点知识粗精度的召回文本；步骤6、将步骤5获得的召回文本与用户任务进行文本相似度计算，获得召回文本得分，具体方法为：步骤6.1、根据步骤2获得的文本知识库主题模型，分别计算召回文本和用户任务的主题分布向量；步骤6.2、根据词移距离算法，对召回文本与任务描述进行字层面的相似度计算，获得召回文本的词移距离相似度得分；步骤6.3、根据向量空间的余弦公式进行相似度计算获得召回文本主题的相似度得分；步骤6.4、基于加权投票策略进行得分计算，根据任务对其中词移距离权重和主题相似度权重进行调整；步骤7、根据得分将排序结果文本推送给用户；步骤8、若用户任务结束则推送终止；当用户场景和状态变化时则重复步骤4至7。

全文数据：

权利要求：

百度查询： 南京理工大学 基于知识图谱的领域知识推送方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD