CN110377715A 基于法律知识图谱的推理式精准智能问答方法 （天津汇智星源信息技术有限公司）

业园和园道89号29栋602室-80（集中基于法律知识图谱的推理式精准智能问答本发明涉及基于法律知识图谱的推理式精25.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，34[0003]目前存在的自动法律问答系统是基于全文检索技术或者深度学习语义匹配技术的自动问答和法律知识图谱的构建。其一方面通过法律知识图谱与自然语言处理相结合，5[0019]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678[0069]问题预处理模块结合多轮会话上下文信息，进行口语解析(如指代消解、省略恢[0072]p(w1…wn)=Πp(wi/wi-1…w1)≈Πp(wi/wi-1…wi-N+1)处定义划分等价类的方法为：当且仅当两个前文wi-n+2…wi-1wi和wk-n+2个词相同时，将两个不同的前文映射到同一个等价类，即E(w1w2w3…wi-n+2…wi-1wi)＝E[0084]λi可以通过期望最大化算法(ExpectaionMaximizationAlgorithm，EM)来估9[0089]通过n-gram模型可以构建语言模型，利用构建的语言模型对待纠错语句进行扫[0095]于上述得到机器可理解的语句后，智能搜索与推理模块首先基于SPARQL到图数人从RankNet发展而来，使用构造lambda函数的方法优化度量标准NDCG(NormalizedDiscountedCumulativeGain)，每个用户问句后的候选答案文档列表都单独作为一个训练样本。NDCG是信息论中很衡量文档列表排序质量的标准之一，前K个文档的NDCG得分记态追踪模块和对话策略模块，状态追踪模块是在对话的每一轮次对用户的目标进行预估，面的对话状态决策采取的最优动作，从而最有效的辅助用户完成信息或服务获取的任务。该模块基于用户输入的语义表达和当前对话状态输出下一步的系统行为和更新的对话状之前时刻t的系统行为at，以及当前时刻t+1对应的用户行为ot+1。可以写成st+1←st+at+户的相关特征，从而对用户进行问题推荐。用户的情感分析是根据Picard提出的基本概念,情感计算可形式化地采用一个三元组来表示,即[0116]其中,所提出的法律问题。由于不同信息载体所包含的信息具有不同的数据特征,特别是征,而这些特征的表示方式存在着明显的差异,因此传统的情感计算往往只针对某一个特随着人们对情感特征理解的加深,多种信息载体相互融合的多模态条件下,传统的情感计不同的应用目标,可以将情感的特征进行二分类或者多分类,从而形成不同的情感分类模[0120]通过以上定义,用户情感计算可以表示为通过对用户输入的问题中法律知识特征可以表示为上述3个要素集合之间的笛卡尔积所形成的状态空间组合,即[0124]问题推荐模块是在深度学习排序和用户画像的条件下对用户[0129]S3.多轮会话上下文获取：系统[0133]S7.实体及实体关系提取：[0139]如图3所示，法律知识图谱的构建分为两部分：基于法律分类类型知识图谱的构