问题生成方法、生成装置及计算机设备和存储介质
文献发布时间：2023-06-19 19:30:30
技术领域
本发明涉及自然语言处理应用技术领域，尤其涉及一种基于知识图谱的问题生成方法、生成装置及计算机设备和存储介质。
背景技术
现代的一些智能设备在一些特定的环境场景里，都会因为被触发一定的条件而播报一段对应背景的介绍短文，比如饭烧熟时的智能音箱，途径黄山的智能汽车。为了进一步的增加体验感，针对播报的短文都会进行进一步的语音互动，这其中就涉及到了在短文的内部语义内容中，自动生成问题，根据输入的内容生成该内容可能对应的自然语言问题，并且保证所生成的问题能够使用输入内容作为答案。目前基于知识图谱进行问题生成的方法，只能够生成一般的简单句问题，例如针对知识图谱中三元组的其中一个元素进行提问。对于较为复杂的问题，例如知识图谱中子图生成多约束条件的前置问题，或者是知识图谱中的多跳问题构成的复杂问句，就显得无能为力了。
发明内容
本申请实施方式提供一种基于知识图谱的问题生成方法、生成装置及计算机设备和存储介质。
本申请实施方式的基于知识图谱的问题生成方法包括：获取输入内容并识别输入内容中的实体；在知识图谱中获取与实体相关的多个三元组并对多个三元组进行整体的构造描述；利用编码器将每个三元组进行编码处理，并得到三元组中的每个元组在每个构造描述中的权重和构造描述中的关系距离；基于权重和关系距离，利用解码器对多个三元组进行解码并生成问题。
本申请实施方式的基于知识图谱的问题生成方法中，通过基于权重和关系距离，利用解码器对多个三元组进行解码并生成复杂问题，从而能够为用户的使用提供便利。
在某些实施方式中，在知识图谱中获取与实体相关的多个三元组并对多个三元组进行整体的构造描述中，三元组采用以下公式描述：F＝
在某些实施方式中，利用编码器将每个三元组进行编码处理，并得到三元组中的每个元组在每个构造描述中的权重和构造描述中的关系距离，包括：利用BiLSTM中的Attention层将三元组中的元组与三元组的构造描述进行联合计算确定权重；利用TransR模型确定三元组描述中的关系距离。
如此，根据BiLSTM中的Attention层将三元组中的元组与三元组的构造描述进行联合计算能够确定权重，以及根据TransR模型能够确定三元组描述中的关系距离，从而能够生成复杂问题。
在某些实施方式中，利用TransR模型确定三元组描述中的关系距离，包括：确定三元组的头实体向量和尾实体向量；将头实体向量和尾实体向量映射到r关系空间；利用TransR模型，确定头实体向量和尾实体向量之间的r关系距离。
如此，根据三元组的头实体向量和尾实体向量，可以将头实体向量和尾实体向量映射到r关系空间，可以利用TransR模型，确定头实体向量和尾实体向量之间的r关系距离，从而解决了传统位移模型中的自反、多对一和一对多等类型关系。
在某些实施方式中，基于权重和关系距离，利用解码器对多个三元组进行解码并生成问题，包括：利用LSTM模型，根据关系距离确定每个构造描述中的每个元组的当前状态；计算构造描述中每个元组的注意力权重；根据当前状态和注意力权重生成问题。
如此，可以利用LSTM模型，根据关系距离确定每个构造描述中的每个元组的当前状态，并计算构造描述中每个元组的注意力权重，从而可以根据当前状态和注意力权重生成问题。
在某些实施方式中，解码器的当前状态根据以下公式确定：
S
其中，S
如此，可以根据公式确定解码器的当前状态。
在某些实施方式中，注意力权重根据以下公式确定：
其中，a
如此，根据公式可以计算得出三元组中每个元素的注意力权重。
在某些实施方式中，问题根据以下公式确定：
其中，P为问题生成的概率，Q为生成的问题，Q
如此，根据公式可以确定生成的问题。
本申请实施方式提供一种生成装置，生成装置包括：获取模块，用于获取输入内容并识别输入内容中的实体；以及用于在知识图谱中获取与实体相关的多个三元组并对多个三元组进行整体的构造描述；处理模块，用于利用编码器将每个三元组进行编码处理，并得到三元组中的每个元组在每个构造描述中的权重和构造描述中的关系距离；生成模块，用于基于权重和关系距离，利用解码器对多个三元组进行解码并生成问题。
本申请实施方式提供一种计算机设备，计算机设备包括存储器和连接存储器的处理器，存储器用于存储计算机程序，处理器用于执行计算机程序以实现上述任一实施方式的方法。
本申请实施方式提供一种计算机可执行指令的非易失性计算机可读存储介质，当计算机可执行指令被一个或多个处理器执行时，使得处理器执行上述任一实施方式的方法。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本申请实施方式中的基于知识图谱的问题生成方法的流程示意图；
图2是本申请实施方式中的生成装置的模块示意图；
图3是本申请实施方式中的计算机设备的模块示意图；
图4是本申请实施方式中的基于知识图谱的问题生成方法中三元组示例的示意图；
图5是本申请实施方式中的基于知识图谱的问题生成方法的流程示意图；
图6是本申请实施方式中的TransR方法的训练示意图；
图7是本申请实施方式中的基于知识图谱的问题生成方法的流程示意图；
图8是本申请实施方式中的基于知识图谱的问题生成方法的流程示意图；
图9是本申请实施方式中的基于知识图谱的问题生成方法示例的示意图；
图10是本申请实施方式中的基于知识图谱的问题生成方法示例的示意图；
图11是本申请实施方式中的基于知识图谱的问题生成方法示例的示意图。
主要元件符号说明：计算机设备100、存储器11、处理器12、生成装置200、获取模块21、处理模块22、生成模块23、主语实体31、谓语实体32、宾语实体33。
具体实施方式
下面详细描述本发明的实施方式，实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。
请参阅图1，本申请实施方式提供一种基于知识图谱的问题生成方法，本申请实施方式的基于知识图谱的问题生成方法包括：
S10，获取输入内容并识别输入内容中的实体；
S20，在知识图谱中获取与实体相关的多个三元组并对多个三元组进行整体的构造描述；
S30，利用编码器将每个三元组进行编码处理，并得到三元组中的每个元组在每个构造描述中的权重和构造描述中的关系距离；
S40，基于权重和关系距离，利用解码器对多个三元组进行解码并生成问题。
请参阅图2，本申请实施方式提供一种生成装置200，生成装置200包括获取模块21、处理模块22和生成模块23。其中，控制模块用于获取输入内容并识别输入内容中的实体；以及用于在知识图谱中获取与实体相关的多个三元组并对多个三元组进行整体的构造描述；处理模块22用于利用编码器将每个三元组进行编码处理，并得到三元组中的每个元组在每个构造描述中的权重和构造描述中的关系距离；生成模块23用于基于权重和关系距离，利用解码器对多个三元组进行解码并生成问题。
请参阅图3，本申请实施方式提供一种计算机设备100，计算机设备100包括存储器11和连接存储器11的处理器12，存储器11用于存储计算机程序，处理器12用于获取输入内容并识别输入内容中的实体；及用于在知识图谱中获取与实体相关的多个三元组并对多个三元组进行整体的构造描述；及用于利用编码器将每个三元组进行编码处理，并得到三元组中的每个元组在每个构造描述中的权重和构造描述中的关系距离；以及用于基于权重和关系距离，利用解码器对多个三元组进行解码并生成问题。
本申请实施方式的基于知识图谱的问题生成方法中，先对三元组进行整体的构造描述，再通过基于权重和关系距离，利用解码器对多个三元组进行解码，从而可以生成复杂问题，从而能够为用户的使用提供便利。
具体地，知识图谱在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。
在步骤S10中，输入内容可以是输入内容模型在训练好以后，在应用过程中用户输入的内容。但是在模型训练的过程中所用到的语料是用户输入的历史语料。实体指的是具有可区别性且独立存在的某种事物。例如某一个人、某一座城市、某一种植物、某一件商品等等。实体是知识图谱中的最基本元素,不同的实体间存在不同的关系。
在步骤S20中，在知识图谱中获取与实体相关的多个三元组并对多个三元组进行整体的构造描述。例如，在构建复杂问题生成时，需要首先获取<知识图谱子图，三元组问题集>作为训练语料。其中知识图谱子图是指多个知识图谱中的三元组。
以多跳为例，如图4所示：每个三元组中的第三元组与新的三元组中的第一元组进行虚拟连接，即每一个独立三元组都可以是离散的，这种虚拟连接在逻辑上可能没有任何的直接关系，只是便于后续计算。图中的路径可能只是其中的一条从第一个三元组中的第一元组到第三个三元组中的第三元组的路径，这个路径可能不是唯一的，即图1中的中间独立三元组可能不是唯一的，中途还可能有其它的独立三元组构成的两端的路径链路。
在步骤30中，可以利用编码器(encoder)将每个三元组进行编码处理，并得到三元组中的每个元组在每个构造描述中的权重和构造描述中的关系距离。
在一个例子中，可以通过KoPL语言(面向知识的推理问答编程语言)将多个三元组进行整体的构造描述，构造描述中的每一个独立三元组用F表示，F＝
Enc(F)＝[Enc(F)
Enc(F)
从而可以将每一个F提炼出里面的关系距离。
在步骤S40中，根据权重和关系距离，可以利用解码器(decoder)对多个三元组进行解码并生成问题。可以通过TransferNet实现解码器，即通过计算多跳问题中最后一个三元组中的实体，与所定位的点之间的距离和阈值来完成，距离是指初始节点到所给定的点的限定距离。TransferNet是一个用于关系图多跳问答的透明有效框架。
在某些实施方式中，在知识图谱中获取与实体相关的多个三元组并对多个三元组进行整体的构造描述中，三元组采用以下公式描述：
F＝
其中，F表示三元组描述，s表示主语实体31，p表示谓语实体32，o表示宾语实体33。
如此，根据该公式，可以对三元组进行整体构造描述，从而能够方便对权重的计算。
具体地，可以通过KoPL语言将多个三元组进行整体的构造描述，构造描述中的每一个独立三元组用F表示，F＝
例如，将自然语言问题对应的答案设定为由4个三元组组成，分别是ABC、DEF、GHI、JKL，计算的过程中会将它们当作整体来计算，也就是ABCDEFGHIJKL，将答案设定成最后一个三元组，可以明确整体里面的答案的固定位置出处。
请参阅图5，在某些实施方式中，利用编码器将每个三元组进行编码处理，并得到三元组中的每个元组在每个构造描述中的权重和构造描述中的关系距离(步骤S30)包括：
S31，利用BiLSTM中的Attention层将三元组中的元组与三元组的构造描述进行联合计算确定权重；
S32，利用TransR模型确定三元组描述中的关系距离。
在某些实施方式中，处理模块22用于利用BiLSTM中的Attention层将三元组中的元组与三元组的构造描述进行联合计算确定权重；以及用于利用TransR模型确定三元组描述中的关系距离。
在某些实施方式中，处理器12用于利用BiLSTM中的Attention层将三元组中的元组与三元组的构造描述进行联合计算确定权重；以及用于利用TransR模型确定三元组描述中的关系距离。
如此，根据BiLSTM中的Attention层将三元组中的元组与三元组的构造描述进行联合计算能够确定权重，以及根据TransR模型能够确定三元组描述中的关系距离，从而能够生成复杂问题。
具体地，在步骤S31中，可以利用BiLSTM(双向长短期记忆网络)中的Attention层将三元组中的元组与三元组的构造描述进行联合计算确定权重。例如，ats、atp和ato分别代表三个注意权重，表示在每一个不同的多项式中关注的权重大小。与F中的s、p和o对所生成的自然语言问题中的第t个位置单词所起到的作用程度是一致的。
在步骤S32中，可以利用TransR模型确定三元组描述中的关系距离。例如，如图6所示，采用TransR将每一个F提炼出里面的关系距离，TransR方法就是确定实体和关系在同一个维度，比如实体“苹果”，它可能是一种水果，也可能是一个手机品牌。确定这个实体的语义的领域，需要借助实体语境中的关系来判断，方法就是将实体通过矩阵计算映射到一个关系空间，通过实体在句子语境中的另外实体的关系不同来判断实体是哪一个维度。如公式(3)所示：
请参阅图7，在某些实施方式中，利用TransR模型确定三元组描述中的关系距离(步骤S32)包括：
S321，确定三元组的头实体向量和尾实体向量；
S322，将头实体向量和尾实体向量映射到r关系空间。
S323，利用TransR模型，确定头实体向量和尾实体向量之间的r关系距离。
在某些实施方式中，处理模块22用于确定三元组的头实体向量和尾实体向量；及用于将头实体向量和尾实体向量映射到r关系空间；以及用于利用TransR模型，确定头实体向量和尾实体向量之间的r关系距离。
在某些实施方式中，处理器12用于确定三元组的头实体向量和尾实体向量；及用于将头实体向量和尾实体向量映射到r关系空间；以及用于利用TransR模型，确定头实体向量和尾实体向量之间的r关系距离。
如此，根据三元组的头实体向量和尾实体向量，可以将头实体向量和尾实体向量映射到r关系空间，可以利用TransR模型，确定头实体向量和尾实体向量之间的r关系距离，从而解决了传统位移模型中的自反、多对一和一对多等类型关系。
具体地，在步骤S321中，一个独立三元组中的第一元组和第三元组，可以分别用向量head和tail分别表示头实体和尾实体，从而可以确定三元组的头实体向量和尾实体向量。
在步骤S322中，可以将头实体向量和尾实体向量通过Mr矩阵映射到r关系空间，Mr表示要学习的矩阵。TransR模型训练目的是使任务目标hr与具有r关系的实体距离变得尽可能的近，与不具有r关系的实体距离变得尽可能的远，即hr+r≈tr
在步骤S323中，利用TransR模型，TransR将实体投影到关系所属的向量空间，可以确定头实体向量和尾实体向量之间的r关系距离，经过TransR的训练，统一的序列中应该学习到了若干个r，r的数据等同于F的数量。
请参阅图8，在某些实施方式中，基于权重和关系距离，利用解码器对多个三元组进行解码并生成问题(步骤S40)包括：
S41，利用LSTM模型，根据关系距离确定每个构造描述中的每个元组的当前状态；
S42，计算构造描述中每个元组的注意力权重；
S43，根据当前状态和注意力权重生成问题。
在某些实施方式中，生成模块23用于利用LSTM模型，根据关系距离确定每个构造描述中的每个元组的当前状态；及用于计算构造描述中每个元组的注意力权重；以及用于根据当前状态和注意力权重生成问题。
在某些实施方式中，处理器12用于利用LSTM模型，根据关系距离确定每个构造描述中的每个元组的当前状态；及用于计算构造描述中每个元组的注意力权重；以及用于根据当前状态和注意力权重生成问题。
如此，可以利用LSTM模型，根据关系距离确定每个构造描述中的每个元组的当前状态，并计算构造描述中每个元组的注意力权重，从而可以根据当前状态和注意力权重生成问题。
具体地，在步骤S41中，可以利用LSTM模型，根据关系距离确定每个构造描述中的每个元组的当前状态。例如，使用LSTM模型，可以通过计算多跳问题中最后一个三元组中的实体，与所定位的点t之间的距离和阈值来完成，点t的距离是指初始节点到所给定t点的限定距离，用t来表示。
在步骤S42中，可以通过计算得到构造描述中每个元组的注意力权重，注意权重与F中的s、p和o对所生成的自然语言问题中的第t个位置单词所起到的作用程度是一致的。
在步骤S43中，可以根据当前状态和注意力权重生成问题，当前状态是指编码器的当前状态。
在某些实施方式中，解码器的当前状态根据以下公式(4)确定：
S
其中，S
如此，可以根据公式(4)确定解码器的当前状态。
具体地，使用LSTM模型，通过计算多跳问题中最后一个三元组中的实体，与所定位的点t之间的距离和阈值来完成，点t的距离是指初始节点到所给定t点的限定距离，用t来表示。解码器决定了子图的长度，也就决定了问题生成的复杂度。
在某些实施方式中，注意力权重根据以下公式(5)确定：
其中，a
具体地，a
e
其中，F表示独立三元组
W是权重，Wa是对每一个attention进行权重的估计，St表示当前状态，W
在某些实施方式中，问题根据以下公式(7)确定：
其中，P为问题生成的概率，Q为生成的问题，Q
具体地，P为问题生成的概率，F为构造描述，t为当前时刻，对F进行反向解析能够得到一个复数集合，如公式(8)所示：
C
其中，a
在一个例子中，在构建复杂问题生成时，需要首先获取<知识图谱子图，三元组问题集>作为训练语料。其中知识图谱子图是指多个知识图谱中的三元组。，以某一实体(知识图谱中的节点)为起始点，进行随机游走，游走的路径长度与生成的自然语言问题的数量和复杂度呈线性关系。通过KoPL语言将多个三元组进行整体的构造描述，构造描述中的每一个独立三元组用F表示，F＝
接下来采用编码器-解码器(encoder-decoder)的框架完成上述复杂问题的生成任务，编码器将多个F所构造成的KoPL语言描述转换成一个统一向量。方法是：首先，用BiLSTM+Attention将多个独立三元组中的原子(即实体e)与之前的KoPL序列进行联合计算，即每一个F的encoder等同于s的encoder+p的encoder+o的encoder。如公式(1)所示：
Enc(F)＝[Enc(F)
所得到实体e在KoPL中的权重，这样，独立三元组在KoPL中的权重就得到了向量值，如公式(2)所示：
Enc(F)
接下来采用TransR将每一个F提炼出里面的关系距离，计算的方法是：一个独立三元组中的第一元组和第三元组，分别用向量head和tail分别表示头实体和尾实体，Mr表示要学习的矩阵。头实体和尾实体通过Mr矩阵映射到关系空间，使任务目标hr与具有r关系的实体距离变得尽可能的近，与不具有r关系的实体距离变得尽可能的远，即hr+r≈tr。经过TransR的训练，统一的序列中应该学习到了若干个r，r的数据等同于F的数量。
最后，通过TransferNet实现解码器，TransferNet的方法是：使用LSTM模型，通过计算多跳问题中最后一个三元组中的实体，与所定位的点t之间的距离和阈值来完成，点t的距离是指初始节点到所给定t点的限定距离，用t来表示。解码器的当前状态由公式(4)确定
S
对于F进行反向解析可以得到复数集合，可以由公式(8)确定
C
计算每一个F中元素的作用权重(参与权重)。最后，通过解码器当前状态和反向解析的复数集合推理得出复杂问题的生成方法。
在一个示例中，假设要生成出问题“前排的所有按钮中，有哪些是与共享功能有关系的？”，生成的路径如图9所示：在知识图谱的子图中，车辆前排的物件有很多种，但是只选择功能性按钮(不包括开关类按钮)，然后再关联功能性按钮中带有共享功能的按钮。
如图10所示，有了业务需求就可以限定子图的范围和相关的三元组问题集，开始进行encoder工作：将每一个独立三元组进行TransR训练，确定初始节点和相关问题，然后生成全部的KoPL，如图11的过程图所示，图5的过程首先根据语义“前排的所有”来锁定实体位置中与前排相关的实体，判断的依据是知识图谱构建过程中已经设置好的。然后是识别出“按钮”这一实体，并且泛化将所有的按钮都在子图谱中遍历出来即a0，并且计算位置在前排、实体是按钮的权重W1。之后再根据语义抽取出带有“分享”属性的功能，过程中会计算位置是前排到实体是按钮的权重W1再乘以泛化得到的a1＝a0W1到属性是“分享”的功能权重W2,泛化可得a2＝a1W2。，在decoder中调参t的值，通过计算解码encoder中的attention机制和Enc(F)，最终得到特定的问题。
本申请实施方式提供一种计算机可执行指令的非易失性计算机可读存储介质，当计算机可执行指令被一个或多个处理器12执行时，使得处理器12执行上述任一实施方式的方法。
具体地，在一个实施例中，处理器可以为中央处理器(Central Processing Unit，CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
计算机程序可以被存储在存储器中，存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如上述方法实施例中的方法所对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，实现的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
在本说明书的描述中，参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施方式，本领域的普通技术人员可以理解：在不脱离本申请的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本申请的范围由权利要求及其等同物限定。