问答方法、装置、电子设备、存储介质及程序产品与流程

本申请涉及人工智能，具体而言，涉及一种问答方法、装置、电子设备、存储介质及程序产品。

背景技术：

1、相关技术在搜索时将知识进行了筛选和压缩来达到降低检索资源消耗，然而，压缩过程主动丢弃了低权重或长尾特征向量，导致多跳推理所需的非高频但关键的语义关联被永久滤除，面对复杂问题时答案容易失真。

2、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本申请实施例提供了一种问答方法、装置、电子设备、存储介质及程序产品，以至少解决相关技术在搜索时将知识进行了筛选和压缩来达到降低检索资源消耗，导致面对复杂问题时容易答案失真的技术问题。

2、根据本申请实施例的一个方面，提供了一种问答方法，包括：获取与自然语言查询对应的复杂度特征向量，其中，复杂度特征向量用于从多个维度表征自然语言查询的任务求解难度；依据复杂度特征向量确定推理预算额度，其中，推理预算额度用于量化表示为自然语言查询分配的计算资源上限；确定与自然语言查询对应的知识单元的知识复杂度，并依据知识复杂度确定目标查询路径，其中，知识复杂度基于知识单元所在的知识库的元数据索引确定，目标查询路径的预测消耗预算不大于推理预算额度；依据目标查询路径的执行结果确定与自然语言查询对应的自然语言答案。

3、在本申请的一些实施例中，确定与自然语言查询相关联的知识单元的知识复杂度，包括：获取知识单元所在的知识库的元数据索引，其中，元数据索引用于存储知识库的概要信息；依据元数据索引，确定与自然语言查询相关联的知识单元，其中，知识单元包括以下至少之一：数据源、子图；确定与知识单元对应的拓扑特征，其中，拓扑特征用于表征利用知识单元处理自然语言查询时的推理负载与语义处理难度；依据拓扑特征确定知识复杂度。

4、在本申请的一些实施例中，确定与知识单元对应的拓扑特征，包括：确定知识单元的数据规模指标，其中，数据规模指标包括知识单元对应的数据条目数量或文档数量；确定知识单元的关联密度指标，其中，关联密度指标包括知识单元内部元素间的连接边数或关联关系数量；确定知识单元的异构性指标，其中，异构性指标包括知识单元内部数据结构的种类；将数据规模指标、关联密度指标以及异构性指标中至少之一作为拓扑特征。

5、在本申请的一些实施例中，依据知识复杂度确定目标查询路径，包括：获取自然语言查询中的逻辑约束集，并依据逻辑约束集与知识复杂度确定多个候选查询路径；确定多个候选查询路径分别对应的预测消耗预算，其中，预测消耗预算基于候选查询路径的总知识复杂度确定；将预测消耗预算小于或等于推理预算额度的候选查询路径确定为目标查询路径。

6、在本申请的一些实施例中，还包括：确定目标查询路径分别对应的路径价值评分，其中，路径价值评分用于量化表示目标查询路径对于自然语言查询的预期语义贡献程度以及检索执行可靠程度；依据路径价值评分和预测消耗预算确定预估效费比；依据预估效费比从目标查询路径中筛选更新后的目标查询路径。

7、在本申请的一些实施例中，依据复杂度特征向量确定推理预算额度，包括：确定与复杂度特征向量对应的预算敏感因子，其中，预算敏感因子用于量化表示自然语言查询的查询复杂度；获取预设的基础预算、预算弹性系数以及最大预算阈值，其中，预算弹性系数用于确定基础预算对查询复杂度的响应灵敏度；依据预算敏感因子、基础预算、预算弹性系数以及最大预算阈值确定推理预算额度。

8、在本申请的一些实施例中，依据目标查询路径的执行结果确定与自然语言查询对应的自然语言答案，包括：获取目标查询路径的执行结果；在执行结果完全覆盖自然语言查询对应的逻辑约束集的情况下，依据执行结果生成自然语言答案；在执行结果未完全覆盖逻辑约束集的情况下，从逻辑约束集中确定执行结果未覆盖的缺失约束集，并依据缺失约束集确定更新后的执行结果，依据更新后的执行结果生成自然语言答案，其中，更新后的执行结果完全覆盖缺失约束集。

9、在本申请的一些实施例中，还包括：在执行结果未完全覆盖逻辑约束集且剩余的推理预算额度小于最低执行单元成本的情况下，停止执行；或者，在依据缺失约束集确定更新后的执行结果时，在连续多步迭代中更新后的执行结果的覆盖增量小于预设增量的情况下，停止执行；或者，在执行结果或更新后的执行结果中存在与自然语言查询相矛盾的内容的情况下，停止执行。

10、在本申请的一些实施例中，获取与自然语言查询对应的复杂度特征向量，包括：从自然语言查询中提取实体集、用于反映实体间的逻辑关系的关系谓词集以及用于反映限定条件的逻辑约束集；依据关系谓词集和逻辑约束集确定结构复杂度，其中，结构复杂度用于量化表示自然语言查询的逻辑嵌套深度；依据实体集确定语义歧义度，其中，语义歧义度用于量化表示实体的歧义程度；依据实体集和关系谓词集确定领域跨度，其中，领域跨度用于量化表示实体或关系在预定义领域向量空间中的分布离散程度；依据结构复杂度、语义歧义度以及领域跨度确定复杂度特征向量。

11、根据本申请实施例的又一方面，还提供了一种问答装置，包括：获取模块，用于获取与自然语言查询对应的复杂度特征向量，其中，复杂度特征向量用于从多个维度表征自然语言查询的任务求解难度；第一确定模块，用于依据复杂度特征向量确定推理预算额度，其中，推理预算额度用于量化表示为自然语言查询分配的计算资源上限；第二确定模块，用于确定与自然语言查询对应的知识单元的知识复杂度，并依据知识复杂度确定目标查询路径，其中，知识复杂度基于知识单元所在的知识库的元数据索引确定，目标查询路径的预测消耗预算不大于推理预算额度；执行模块，用于依据目标查询路径的执行结果确定与自然语言查询对应的自然语言答案。

12、根据本申请实施例的再一方面，还提供了一种电子设备，包括：存储器和处理器，存储器用于存储程序指令；处理器与存储器连接，用于执行实现上述问答方法。

13、根据本申请实施例的再一方面，还提供了一种非易失性存储介质，该非易失性存储介质包括存储的计算机程序，其中，该非易失性存储介质所在设备通过运行计算机程序执行上述问答方法。

14、根据本申请实施例的再一方面，还提供了一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现上述问答方法。

15、在本申请实施例中，采用语义复杂度感知与弹性预算调度相结合的方式，通过量化表征查询任务难度的复杂度特征向量动态分配计算资源上限，并基于知识库元数据索引评估知识复杂度以优选预测消耗在预算内的目标查询路径，并依据路径执行结果生成最终答案，达到了在严格控制资源消耗的同时完整保留知识库证据链的目的，从而实现了复杂查询仍能获得完整答案及提升多跳推理准确率的技术效果，进而解决了相关技术在搜索时将知识进行了筛选和压缩来达到降低检索资源消耗，导致面对复杂问题时容易答案失真的技术问题。

1.一种问答方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，确定与所述自然语言查询相关联的知识单元的知识复杂度，包括：

3.根据权利要求2所述的方法，其特征在于，确定与所述知识单元对应的拓扑特征，包括：

4.根据权利要求1所述的方法，其特征在于，依据所述知识复杂度确定目标查询路径，包括：

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，依据所述复杂度特征向量确定推理预算额度，包括：

7.根据权利要求1所述的方法，其特征在于，依据所述目标查询路径的执行结果确定与所述自然语言查询对应的自然语言答案，包括：

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

9.根据权利要求1所述的方法，其特征在于，获取与自然语言查询对应的复杂度特征向量，包括：

10.一种问答装置，其特征在于，包括：

11.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器用于存储程序指令；所述处理器与所述存储器连接，用于执行实现权利要求1至9中任意一项所述的问答方法。

12.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的计算机程序，其中，所述非易失性存储介质所在设备通过运行所述计算机程序执行权利要求1至9中任意一项所述的问答方法。

13.一种计算机程序产品，包括计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1至9中任意一项所述的问答方法。