本申請涉及人工智能，具體而言，涉及一種基于圖的信息問答方法及裝置、存儲介質(zhì)及電子裝置。

背景技術(shù)：

1、科研項目申請書作為集團科技部項目審批，獲取研究資金支持的重要途徑之一，其質(zhì)量直接關(guān)系到項目申報的成功與否。這類文檔通常具有以下幾個特點：一是內(nèi)容豐富且復(fù)雜，涵蓋項目背景、目標(biāo)、方法論、預(yù)算等多個方面；二是篇幅較長，往往包含大量專業(yè)術(shù)語和技術(shù)細(xì)節(jié)；三是結(jié)構(gòu)化程度不高，不同部分之間缺乏簡單易懂清晰的邏輯關(guān)聯(lián)。

2、由于上述特點，評審者在面對大量的申請書時往往會遇到一些挑戰(zhàn)，如信息過載、難以迅速定位關(guān)鍵信息等。目前，評審過程主要依賴于人工閱讀和理解，效率較低且易出錯。此外，傳統(tǒng)的文檔檢索方法如關(guān)鍵詞搜索雖然可以提供一定的幫助，但其功能較為單一，無法滿足對文檔進行深度理解和綜合分析的需求。

3、針對相關(guān)技術(shù)中，專業(yè)文檔信息提取存在準(zhǔn)確性不高、處理效率低的問題，目前尚未提出有效的解決方案。

4、因此，有必要對現(xiàn)有相關(guān)技術(shù)予以改良，從而克服相關(guān)技術(shù)中的所述缺陷，滿足現(xiàn)在實際生產(chǎn)的需要。

技術(shù)實現(xiàn)思路

1、本申請實施例提供了一種基于圖的信息問答方法及裝置、存儲介質(zhì)及電子裝置，以至少解決專業(yè)文檔信息提取存在準(zhǔn)確性不高、處理效率低的問題。

2、根據(jù)本申請實施例的一方面，提供一種基于圖的信息問答方法，包括：將源文檔切分成預(yù)設(shè)大小的多個文本塊，對多個文本塊進行知識元素的抽取，得到元素集合；其中，知識元素至少包括以下之一：每一個文本塊對應(yīng)的實體、不同文本塊之間的關(guān)系、每一個文本塊對應(yīng)的事件；使用元素集合構(gòu)建知識圖譜以及關(guān)系圖，其中，知識圖譜的節(jié)點和邊通過自然語言描述；識別知識圖譜中符合加權(quán)無向圖的社區(qū)，對社區(qū)進行逐層總結(jié)，得到目標(biāo)總結(jié)結(jié)果；基于目標(biāo)總結(jié)結(jié)果對目標(biāo)對象輸入的問題進行信息問答。

3、在一個示例性的實施例中，基于目標(biāo)總結(jié)結(jié)果對目標(biāo)對象輸入的問題進行信息問答，包括：將目標(biāo)總結(jié)結(jié)果隨機打散并切分成指定長度的問答文本塊；對每個問答文本塊并行生成一個中間答案，并評估中間答案與問題的匹配度，得到多個評分值；基于多個評分值選擇滿足問題對應(yīng)上下文窗口的目標(biāo)中間答案；使用目標(biāo)中間答案對目標(biāo)對象輸入的問題進行信息問答。

4、在一個示例性的實施例中，基于多個評分值選擇滿足問題對應(yīng)上下文窗口的目標(biāo)中間答案，包括：去除多個評分值中分值為零的第一類中間答案，對剩余中間答案按評分降序排列，得到目標(biāo)排序結(jié)果；基于目標(biāo)排序結(jié)果將剩余中間答案依次放入新的上下文窗口；在當(dāng)前剩余中間答案滿足長度限制，且評分最高的情況下，將當(dāng)前剩余中間答案確定為目標(biāo)中間答案。

5、在一個示例性的實施例中，使用目標(biāo)中間答案對目標(biāo)對象輸入的問題進行信息問答，包括：識別問題對應(yīng)的上下文意圖；基于上下文意圖和目標(biāo)中間答案生成全局答案；根據(jù)全局答案對問題進行信息問答。

6、在一個示例性的實施例中，對社區(qū)進行逐層總結(jié)，得到目標(biāo)總結(jié)結(jié)果，包括：確定社區(qū)中包括的節(jié)點層級以及每一節(jié)點層級中存在的每一個圖節(jié)點的描述文本，得到多個描述文本；對多個描述文本按照預(yù)設(shè)文本重要性進行排序，基于排序結(jié)果依次生成子總結(jié)；匯總社區(qū)對應(yīng)的多子總結(jié)，得到目標(biāo)總結(jié)結(jié)果。

7、在一個示例性的實施例中，基于目標(biāo)總結(jié)結(jié)果對目標(biāo)對象輸入的問題進行信息問答之后，上述方法還包括：獲取目標(biāo)對象的問答評分，其中，問答評分為目標(biāo)對象根據(jù)信息問答的問答結(jié)果與問題之間的關(guān)聯(lián)程度確定；在問答評分小于預(yù)設(shè)評分閾值的情況下，確定當(dāng)前信息問答無效，待對目標(biāo)總結(jié)結(jié)果進行更新；在問答評分大于或等于預(yù)設(shè)評分閾值的情況下，確定當(dāng)前信息問答有效，并將目標(biāo)總結(jié)結(jié)果與問題進行關(guān)聯(lián)。

8、根據(jù)本申請實施例的另一方面，還提供了一種基于圖的信息問答裝置，包括：抽取模塊，用于將源文檔切分成預(yù)設(shè)大小的多個文本塊，對多個文本塊進行知識元素的抽取，得到元素集合；其中，知識元素至少包括以下之一：每一個文本塊對應(yīng)的實體、不同文本塊之間的關(guān)系、每一個文本塊對應(yīng)的事件；構(gòu)建模塊，用于使用元素集合構(gòu)建知識圖譜以及關(guān)系圖，其中，知識圖譜的節(jié)點和邊通過自然語言描述；識別模塊，用于識別知識圖譜中符合加權(quán)無向圖的社區(qū)，對社區(qū)進行逐層總結(jié)，得到目標(biāo)總結(jié)結(jié)果；問答模塊，用于基于目標(biāo)總結(jié)結(jié)果對目標(biāo)對象輸入的問題進行信息問答。

9、根據(jù)本申請實施例的又一方面，還提供了一種計算機可讀的存儲介質(zhì)，該計算機可讀的存儲介質(zhì)中存儲有計算機程序，其中，該計算機程序被設(shè)置為運行時執(zhí)行上述基于圖的信息問答方法。

10、根據(jù)本申請實施例的又一方面，還提供了一種電子裝置，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其中，上述處理器通過計算機程序執(zhí)行上述基于圖的信息問答方法。

11、根據(jù)本申請實施例的又一方面，還提供了一種計算機程序產(chǎn)品，包括計算機程序，計算機程序被處理器執(zhí)行時上述基于圖的信息問答方法。

12、通過本申請，將源文檔切分成預(yù)設(shè)大小的多個文本塊，對多個文本塊進行知識元素的抽取，得到元素集合；其中，知識元素至少包括以下之一：每一個文本塊對應(yīng)的實體、不同文本塊之間的關(guān)系、每一個文本塊對應(yīng)的事件；使用元素集合構(gòu)建知識圖譜以及關(guān)系圖，其中，知識圖譜的節(jié)點和邊通過自然語言描述；識別知識圖譜中符合加權(quán)無向圖的社區(qū)，對社區(qū)進行逐層總結(jié)，得到目標(biāo)總結(jié)結(jié)果；基于目標(biāo)總結(jié)結(jié)果對目標(biāo)對象輸入的問題進行信息問答。采用上述技術(shù)方案，解決了專業(yè)文檔信息提取存在準(zhǔn)確性不高、處理效率低的問題。進而，通過將文檔分塊提取知識元素構(gòu)建知識圖譜，識別社區(qū)進行總結(jié)并回答問題，從而提高文檔信息檢索和問題解答的效率。

技術(shù)特征：

1.一種基于圖的信息問答方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于圖的信息問答方法，其特征在于，基于所述目標(biāo)總結(jié)結(jié)果對目標(biāo)對象輸入的問題進行信息問答，包括：

3.根據(jù)權(quán)利要求2所述的基于圖的信息問答方法，其特征在于，基于所述多個評分值選擇滿足所述問題對應(yīng)上下文窗口的目標(biāo)中間答案，包括：

4.根據(jù)權(quán)利要求2所述的基于圖的信息問答方法，其特征在于，使用所述目標(biāo)中間答案對目標(biāo)對象輸入的問題進行信息問答，包括：

5.根據(jù)權(quán)利要求1所述的基于圖的信息問答方法，其特征在于，對所述社區(qū)進行逐層總結(jié)，得到目標(biāo)總結(jié)結(jié)果，包括：

6.根據(jù)權(quán)利要求1所述的基于圖的信息問答方法，其特征在于，基于所述目標(biāo)總結(jié)結(jié)果對目標(biāo)對象輸入的問題進行信息問答之后，所述方法還包括：

7.一種基于圖的信息問答裝置，其特征在于，包括：

8.一種計算機可讀的存儲介質(zhì)，其特征在于，所述計算機可讀的存儲介質(zhì)包括存儲的程序，其中，所述程序運行時執(zhí)行權(quán)利要求1至6中任一項所述的方法。

9.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設(shè)置為通過所述計算機程序執(zhí)行權(quán)利要求1至6中任一項所述的方法。

10.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至6中任一項所述的方法。

技術(shù)總結(jié)
本申請公開了一種基于圖的信息問答方法及裝置、存儲介質(zhì)及電子裝置，該方法包括：將源文檔切分成預(yù)設(shè)大小的多個文本塊，對多個文本塊進行知識元素的抽取，得到元素集合；其中，知識元素至少包括以下之一：每一個文本塊對應(yīng)的實體、不同文本塊之間的關(guān)系、每一個文本塊對應(yīng)的事件；使用元素集合構(gòu)建知識圖譜以及關(guān)系圖，其中，知識圖譜的節(jié)點和邊通過自然語言描述；識別知識圖譜中符合加權(quán)無向圖的社區(qū)，對社區(qū)進行逐層總結(jié)，得到目標(biāo)總結(jié)結(jié)果；基于目標(biāo)總結(jié)結(jié)果對目標(biāo)對象輸入的問題進行信息問答。采用上述技術(shù)方案，解決了如何對整個文檔集合進行深入理解，生成針對整個文檔集合的綜合性回答的問題。

技術(shù)研發(fā)人員：邸智,馮帆,鄭子辰,任鑫
受保護的技術(shù)使用者：中國華能集團清潔能源技術(shù)研究院有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6