一种用于知识图谱语义搜索的文本理解的方法与流程

技术特征：
1.一种用于知识图谱语义搜索的文本理解的方法，其特征在于，针对输入的待理解的文本，所述方法包括如下步骤：通过大规模预训练模型获得文本中每个词元的语义信息，生成语义向量；基于所述语义向量，通过卷积神经网络、实体分类用的第一softmax分类器和关系分类用的第二softmax分类器，识别出实体类型和关系类型；基于所述语义向量，通过crf进行序列标注，抽取出实体；基于所述语义向量，通过bi
‑
lstm模型和问句分类用的第三softmax分类器，将文本进行分类；基于识别出的实体类型和关系类型、抽取出的实体、文本的分类结果，检索知识图谱获取信息作为反馈。2.根据权利要求1所述的用于知识图谱语义搜索的文本理解的方法，其特征在于，所述大规模预训练模型使用bert、roberta、erine、albert、gpt中的一种。3.根据权利要求1所述的用于知识图谱语义搜索的文本理解的方法，其特征在于，所述将文本的分类结果包括事实类、统计类、是非类和关系类。4.一种计算机存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1
‑
3中任一所述的方法。5.一种用于知识图谱语义搜索的文本理解的系统，其特征在于，所述系统包括：语义获取模块，用来通过大规模预训练模型获得文本中每个词元的语义信息，生成语义向量；实体分类模块，用来基于所述语义向量，通过卷积神经网络和实体分类用的第一softmax分类器，识别出实体类型；关系分类模块，用来基于所述语义向量，通过卷积神经网络和关系分类用的第二softmax分类器，识别出关系类型；实体抽取模块，用来基于所述语义向量，通过crf进行序列标注，抽取出实体；问句分类模块，用来基于所述语义向量，通过bi
‑
lstm模型和问句分类用的第三softmax分类器，将文本进行分类；检索反馈模块，用来基于识别出的实体类型和关系类型、抽取出的实体、文本的分类结果，检索知识图谱获取信息作为反馈。

技术总结
本发明公开了一种用于知识图谱语义搜索的文本理解的方法，针对输入的待理解的文本，所述方法包括如下步骤：通过大规模预训练模型获得文本中每个词元的语义信息，生成语义向量；基于所述语义向量，通过卷积神经网络、实体分类用的第一softmax分类器和关系分类用的第二softmax分类器，识别出实体类型和关系类型；基于所述语义向量，通过CRF进行序列标注，抽取出实体；基于所述语义向量，通过Bi


技术研发人员：陈运文 王文广 贺梦洁 纪达麒 桂洪冠 金克 冯佳妮 纪传俊
受保护的技术使用者：达观数据（苏州）有限公司
技术研发日：2021.07.30
技术公布日：2021/11/24