【技术实现步骤摘要】
本专利技术涉及知识图谱 ，尤其涉及一种知识图谱的查询语句生成方法、装置及电子设备。
技术介绍
1、随着信息技术的快速发展，知识图谱已成为存储和组织结构化知识的重要工具。知识图谱通过实体和关系构成的图形数据结构，有效地表示和存储了大量的三元组信息。在众多领域，如搜索引擎、推荐系统、自然语言处理等，知识图谱提供了强大的数据支持和知识推理能力。
2、知识图谱问答系统作为人机交互的重要方式之一，其研究和应用得到了广泛关注。该系统通过解析用户的自然语言问句，生成对应的查询语言，如sparql或rdf 查询语言的查询语句，从而从知识图谱中检索出答案。
3、现有的知识图谱问答方法主要分为基于规则模板的方法与基于深度学习的方法。基于规则模板的方法通过提取问题中的关键信息，并根据问题的格式寻找对应的模板来生成目标查询语言的查询语句，然而由于人类提问方式的多样性，很难覆盖所有可能的提问场景，导致其适用性受限。基于深度学习的方法则依赖于大量的知识图谱数据，通过训练机器学习模型来预测目标查询语言的查询语句，然而，这种方法的性能高度依赖于训练数据的数量和质量，且训练过程较为复杂。
技术实现思路
1、本专利技术提供一种知识图谱的查询语句生成方法、装置及电子设备，用以解决现有技术中查询语句生成方法适用性受限，需要执行复杂的训练过程的问题，能够有效解析用户的自然语言问句，提升了查询语句的生成效率。
2、本专利技术提供一种知识图谱的查询语句生成方法，包括：获取针对知识图谱的自然语
3、根据本专利技术提供的一种知识图谱的查询语句生成方法，所述问句模板包括向大语言模型提问的问句头与所述目标查询语言的查询例句，所述目标查询语言的查询例句包括通用例句和针对性例句，所述针对性例句通过以下步骤进行确定：基于大语言模型在预先设置的自然语言例句集合中选取与所述自然语言问句相似的自然语言例句；将选取的自然语言例句以及选取的自然语言例句对应的所述目标查询语言的例句，确定为所述自然语言问句的针对性例句。
4、根据本专利技术提供的一种知识图谱的查询语句生成方法，所述基于所述初始语句生成所述自然语言问句对应的查询语句，包括：验证所述初始语句的语法是否正确；若验证所述初始语句的语法不正确，则重新基于大语言模型生成初始语句；若验证所述初始语句的语法正确，则针对所述初始语句执行预定义的语句矫正操作得到所述查询语句。
5、根据本专利技术提供的一种知识图谱的查询语句生成方法，所述知识图谱基于百科网站建立，所述针对所述初始语句执行预定义的语句校正操作得到所述查询语句，包括：利用正则表达式确定所述初始查询语句中的核心实体；基于预先建立的所述百科网站的实体链接工具对所述核心实体进行实体链接得到所述核心实体的正式名字；将所述初始语句中的核心实体替换为所述正式名字。
6、根据本专利技术提供的一种知识图谱的查询语句生成方法，所述将所述初始语句中的核心实体替换为所述正式名字之后，所述针对所述初始语句执行预定义的语句校正操作得到所述查询语句还包括：判断所述初始语句中是否存在第一类型的三元组，所述第一类型的三元组中包括第一头实体，第一关系和第一尾实体，所述第一头实体和所述第一关系已知，所述第一尾实体未知；若所述初始语句中存在第一类型的三元组，则基于预先更新的所述知识图谱的实体和关系列表获取与所述第一头实体关联的属性；基于大语言模型从与所述第一头实体关联的属性中选择与所述第一关系匹配的第一属性；将所述初始查询语句中所述第一关系替换为所述第一属性；将所述初始查询语句中所述第一尾实体替换为所述第一属性的属性值。
7、根据本专利技术提供的一种知识图谱的查询语句生成方法，所述将所述初始查询语句中所述第一尾实体替换为所述第一属性对应的属性值，包括：判断所述第一尾实体是否为多跳问题中过渡用的跳转节点；若所述第一尾实体为多跳问题中过渡用的跳转节点，则判断所述第一属性对应的属性值是否为多个实体；若所述第一属性对应的属性值为多个实体，则获取所述跳转节点的后续关系；基于相似度从预先更新的所述知识图谱的实体和关系列表中获取与所述后续关系匹配的备选关系列表；基于大语言模型从所述备选关系列表中确定与所述后续关系接近的多个关系项；将所述初始查询语句中所述后续关系替换为所述多个关系项。
8、根据本专利技术提供的一种知识图谱的查询语句生成方法，所述将所述初始语句中的核心实体替换为所述正式名字之后，所述针对所述初始语句执行预定义的语句校正操作得到所述查询语句还包括：判断所述初始语句中是否存在第二类型的三元组，所述第二类型的三元组中包括第二头实体，第二关系和第二尾实体，所述第二尾实体和所述第二关系已知，所述第二头实体未知；若所述初始语句中存在第二类型的三元组，则基于预先更新的所述知识图谱的实体和关系列表查询所述知识图谱中与所述第二尾实体匹配的属性值对应的属性列表；基于大语言模型从所述属性列表中选择与所述第二关系匹配的至少一个第二属性；将所述初始查询语句中所述第二关系替换为所述至少一个第二属性。
9、本专利技术还提供一种知识图谱的查询语句生成装置，包括：获取模块，被配置成获取针对知识图谱的自然语言问句；第一生成模块，被配置成根据所述自然语言问句与预先设置的问句模板生成大语言模型问句，所述问句模板用于引导所述大语言模型将所述自然语言问句转换为目标查询语言的语句；提问模块，被配置成根据所述大语言模型问句向所述大语言模型提问，得到所述大语言模型输出的所述目标查询语言的初始语句；第二生成模块，被配置成基于所述初始语句生成所述目标查询语言的查询语句。
10、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述知识图谱的查询语句生成方法。
11、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述知识图谱的查询语句生成方法。
12、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述知识图谱的查询语句生成方法。
13、本专利技术提供的知识图谱的查询语句生成方法、装置及电子设备，根据自然语言问句与预先设置的问句模板生成大语言模型问句，而后根据大语言模型问句向大语言模型提问，得到大语言模型输出的目标查询语言的初始语句，最后基于初始语句生成目标查询语言的查询语句，提升了知识图谱查询语句的生成效率。
本文档来自技高网...【技术保护点】
1.一种知识图谱的查询语句生成方法，其特征在于，包括：
2.根据权利要求1所述的知识图谱的查询语句生成方法，其特征在于，所述问句模板包括向大语言模型提问的问句头与所述目标查询语言的查询例句，所述目标查询语言的查询例句包括通用例句和针对性例句，所述针对性例句通过以下步骤进行确定：
3.根据权利要求1所述的知识图谱的查询语句生成方法，其特征在于，所述基于所述初始语句生成所述自然语言问句对应的查询语句，包括：
4.根据权利要求3所述的知识图谱的查询语句生成方法，其特征在于，所述知识图谱基于百科网站建立，所述针对所述初始语句执行预定义的语句校正操作得到所述查询语句，包括：
5.根据权利要求4所述的知识图谱的查询语句生成方法，其特征在于，所述将所述初始语句中的核心实体替换为所述正式名字之后，所述针对所述初始语句执行预定义的语句校正操作得到所述查询语句还包括：
6.根据权利要求5所述的知识图谱的查询语句生成方法，其特征在于，所述将所述初始查询语句中所述第一尾实体替换为所述第一属性对应的属性值，包括：
7.根据权利要求4所
8.一种知识图谱的查询语句生成装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的知识图谱的查询语句生成方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的知识图谱的查询语句生成方法。
...【技术特征摘要】
1.一种知识图谱的查询语句生成方法，其特征在于，包括：
2.根据权利要求1所述的知识图谱的查询语句生成方法，其特征在于，所述问句模板包括向大语言模型提问的问句头与所述目标查询语言的查询例句，所述目标查询语言的查询例句包括通用例句和针对性例句，所述针对性例句通过以下步骤进行确定：
3.根据权利要求1所述的知识图谱的查询语句生成方法，其特征在于，所述基于所述初始语句生成所述自然语言问句对应的查询语句，包括：
4.根据权利要求3所述的知识图谱的查询语句生成方法，其特征在于，所述知识图谱基于百科网站建立，所述针对所述初始语句执行预定义的语句校正操作得到所述查询语句，包括：
5.根据权利要求4所述的知识图谱的查询语句生成方法，其特征在于，所述将所述初始语句中的核心实体替换为所述正式名字之后，所述针对所述初始语句执行预定义的语句校正操作得到所述查询语句还...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。