一种基于知识图谱的机器人智能问答方法与流程

本发明涉及智能交互，尤其涉及一种基于知识图谱的机器人智能问答方法。

背景技术：

1、随着人工智能技术、自然语言处理技术以及智能交互技术的发展，机器人问答系统逐渐应用于客户服务、业务咨询、智能导览及企业内部知识服务等场景。现有机器人问答系统通常通过语音识别技术获取用户输入信息，并利用自然语言理解技术对用户问题进行意图识别，再结合知识库、问答数据库或检索模型生成对应的回答内容。部分机器人问答系统进一步引入知识图谱技术，将业务领域内的实体、属性及关系进行结构化存储，通过实体匹配和关系检索实现面向领域知识的问答处理，提高了机器人对专业业务问题的处理能力。

2、现有基于知识图谱的机器人问答方法在实际应用过程中仍存在一定不足。现有方法通常采用人工构建知识库或基于固定规则进行知识抽取，面对机器人服务场景中来源复杂的业务文档、历史问答数据、动态业务数据以及多类型交互信息时，难以实现服务实体的自动识别和实体关系的持续更新，导致知识图谱构建过程依赖人工维护，知识覆盖范围和更新能力受到限制。

技术实现思路

1、本发明的一个目的在于提出一种基于知识图谱的机器人智能问答方法，本发明充分利用了知识图谱构建、多轮语义理解、多跳知识路径推理、动态业务数据查询及改进huginn模型，具备知识关联能力强、多轮交互理解准确、动态业务适应能力强以及问答结果准确度高的优点。

2、根据本发明实施例的一种基于知识图谱的机器人智能问答方法，包括如下步骤：

3、在机器人服务场景中采集多源数据集并预处理，生成标准化机器人服务数据集；

4、对标准化机器人服务数据集进行服务实体自动标注与关系弱监督抽取，构建机器人领域知识图谱；

5、通过机器人交互终端接收用户输入信息，并进行语音识别生成用户问题文本，对用户问题文本进行任务型意图框架解码，生成问题语义解析结果；

6、根据历史问答数据获取用户当前对话对应的历史对话信息，与问题语义解析结果进行时序关联与指代消解，并对用户问题中的上下文语义缺失信息进行补全，生成结构化问答查询信息；

7、根据结构化问答查询信息在机器人领域知识图谱中进行多跳知识路径推理，同步匹配文本关系路径与视觉概念路径，生成知识图谱查询结果；

8、根据结构化问答查询信息确定业务查询类型，当存在动态业务查询需求时，调用核心业务系统获取动态业务查询结果，并与知识图谱查询结果进行融合，生成问答候选结果集；

9、将问答候选结果集输入改进huginn模型进行语义匹配评分和答案优化处理，生成机器人问答结果；

10、采集用户对机器人问答结果产生的用户反馈信息，根据用户反馈信息更新历史问答数据，优化机器人领域知识图谱。

11、可选的，所述多源数据集包括静态业务知识数据、动态业务接口数据、任务场景数据、服务寒暄数据及历史问答数据，所述预处理包括数据格式统一、异常数据检测、重复数据清除、缺失数据补全、文本内容规范化、语义分词及语义标注。

12、可选的，所述机器人领域知识图谱的构建具体包括：

13、对标准化机器人服务数据集进行知识单元划分，生成服务知识单元集合；

14、对服务知识单元集合进行实体边界检测、实体类型识别及同义实体归并，并对识别出的服务实体进行自动标注，生成服务实体集合；

15、对服务实体集合中的服务实体进行配对，生成服务实体对集合；

16、对服务实体对集合进行关系弱监督抽取，生成实体关系集合；

17、以服务实体集合中的服务实体作为知识节点，以实体关系集合中的实体关系作为知识边，对知识节点和知识边进行关联存储，构建机器人领域知识图谱。

18、可选的，所述问题语义解析结果的生成具体包括：

19、通过机器人交互终端接收用户输入信息，并对用户输入信息进行端点检测、噪声抑制及语音分帧处理，生成标准语音序列；

20、对标准语音序列进行声学特征提取和语音内容识别，并按照语音时序将识别出的语音内容转换为用户问题文本；

21、对用户问题文本进行词语切分和语义编码，生成用户问题语义表示；

22、基于用户问题语义表示进行任务型意图框架解码，识别用户问题文本对应的业务领域、问答意图、业务实体及实体属性，生成意图框架解析结果；

23、根据意图框架解析结果确定业务实体与实体属性之间的语义对应关系，生成问题语义解析结果。

24、可选的，所述结构化问答查询信息的生成具体包括：

25、根据用户当前对话对应的会话标识和对话时间，从历史问答数据中提取历史用户问题、历史机器人问答结果及对话轮次，生成历史对话信息；

26、对历史对话信息进行排列，并将历史对话信息与问题语义解析结果进行时序关联，生成对话时序关联结果；

27、根据对话时序关联结果识别问题语义解析结果中的指代词语，并从历史对话信息中确定指代词语对应的业务实体，将对应的业务实体替换为指代词语，生成指代消解结果；

28、根据指代消解结果确定缺失的业务领域、问答意图、业务实体或实体属性，并进行补全，生成完整问题语义解析结果；

29、对完整问题语义解析结果进行结构化整理，生成结构化问答查询信息。

30、可选的，所述知识图谱查询结果的生成具体包括：

31、将结构化问答查询信息中的业务实体与机器人领域知识图谱中的知识节点进行匹配，生成起始知识节点集合；

32、以起始知识节点集合中的起始知识节点为起点，沿机器人领域知识图谱中的知识边进行多跳扩展，生成候选知识路径集合；

33、根据候选知识路径集合中各知识路径包含的服务实体类型，将包含文本服务实体的知识路径确定为文本关系路径，将包含视觉概念实体的知识路径确定为视觉概念路径，生成文本关系路径集合和视觉概念路径集合；

34、对文本关系路径集合中的文本关系路径与视觉概念路径集合中的视觉概念路径进行同步匹配，生成匹配知识路径集合；

35、对匹配知识路径集合进行筛选，生成知识图谱查询结果。

36、可选的，所述问答候选结果集的生成具体包括：

37、读取结构化问答查询信息中的业务领域、问答意图、业务实体及实体属性，并根据问答意图和实体属性确定业务查询类型；

38、当业务查询类型为动态业务查询类型时，根据业务领域、业务实体及实体属性生成动态业务查询请求；

39、将动态业务查询请求发送至与业务领域对应的核心业务系统，并接收核心业务系统返回的动态业务查询结果；

40、将动态业务查询结果与知识图谱查询结果进行对应融合，生成问答候选结果集。

41、可选的，所述机器人问答结果的生成具体包括：

42、将问答候选结果集输入改进huginn模型，改进huginn模型包括上下文语义锚定模块、知识路径感知推理模块、候选答案竞争评分模块和答案生成自适应优化模块，改进huginn模型的改进点在于：传统huginn模型基于递归深度计算对输入语义进行隐空间推理，通过重复利用模型计算单元更新隐藏语义表示，改进huginn模型根据结构化问答查询信息建立上下文语义关联关系，结合机器人领域知识图谱中的知识路径信息和动态业务查询结果构建候选答案推理依据，并通过隐空间语义共振机制对不同来源语义状态进行关联迭代，生成机器人问答结果；

43、在上下文语义锚定模块中，对问答候选结果集中的候选答案进行语义关系脉络解析，结合结构化问答查询信息中的业务实体、实体属性及问答意图，构建候选答案与用户问题之间的语义关联链，并确定候选答案中的关键语义节点，生成上下文语义锚定结果；

44、在知识路径感知推理模块中，根据上下文语义锚定结果激活对应知识关联区域，对知识图谱查询结果中的知识节点、知识边及文本关系路径与视觉概念路径进行路径势能传播，确定候选答案对应的知识影响路径，生成知识增强语义表示；

45、在候选答案竞争评分模块中，根据知识增强语义表示构建候选答案竞争状态，对问答候选结果集中的候选答案进行语义贡献度评估，并根据候选答案之间的竞争关系确定目标候选答案；

46、在答案生成自适应优化模块中，对目标候选答案进行语义状态初始化，引入隐空间语义共振机制，将目标候选答案映射至隐式语义状态空间，在隐式语义状态空间中，根据不同语义状态之间的响应关系进行多轮共振迭代，生成语义共振结果，并对目标候选答案进行表达重组，生成机器人问答结果。

47、可选的，采集用户在机器人交互终端输入的评价信息、补充信息、纠错信息及再次提问信息，并对用户反馈信息进行内容解析，提取与机器人问答结果关联的反馈语义信息，根据反馈语义信息与历史问答数据中的用户问题、机器人问答结果及对应业务实体之间的关联关系，确定调整的历史问答数据，将调整后的用户问题、机器人问答结果及关联业务实体重新写入历史问答数据，根据更新后的历史问答数据，对机器人领域知识图谱中的业务实体、实体属性及实体关系进行匹配校验，当历史问答数据中出现新增业务实体、新增实体属性或新增实体关系时，将对应信息补充至机器人领域知识图谱，完成机器人领域知识图谱优化。

48、本发明的有益效果是：

49、本发明通过对机器人服务场景中的多源数据进行采集与预处理，并基于服务实体自动标注和关系弱监督抽取构建机器人领域知识图谱，实现了机器人服务知识的结构化组织与动态关联表示，避免了传统方法依赖人工维护知识库导致的知识覆盖不足和更新能力有限的问题。同时，通过结合历史问答数据进行时序关联、指代消解以及上下文语义缺失信息补全，使机器人能够充分理解用户连续交互过程中的隐含语义，提高了复杂对话场景下用户意图识别的准确性。

50、本发明通过知识图谱多跳知识路径推理、文本关系路径与视觉概念路径同步匹配，以及动态业务查询结果与知识图谱查询结果融合处理，实现了静态知识与实时业务信息的联合利用；进一步结合改进huginn模型中的上下文语义锚定、知识路径感知推理、候选答案竞争评分以及隐空间语义共振机制，对候选答案进行深层语义优化，使生成的机器人问答结果具有更高的知识一致性、业务适配性和上下文关联能力，提升了机器人智能问答系统在复杂业务环境中的服务质量和交互可靠性。