CN114357141B 一种基于时序知识图谱的人机对话兴趣感知方法 （重庆邮电大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114357141B(45)授权公告日2025.07.11

(21)申请号202210030263.1

(22)申请日2022.01.12

(65)同一申请的已公布的文献号申请公布号CN114357141A

(43)申请公布日2022.04.15

(73)专利权人重庆邮电大学

地址400065重庆市南岸区南山街道崇文

路2号

(72)发明人黄宏程徐硕硕胡敏

(74)专利代理机构重庆辉腾律师事务所50215专利代理师卢胜斌

(51)Int.CI.

GO6F16/3329(2025.01)

GO6F16/36(2019.01)

GO6F16/242(2019.01)

GO6N5/025(2023.01)

(56)对比文件

徐硕硕.基于知识图谱的智能人机交互回复方法研究.《中国优秀硕士学位论文全文数据库信息科技辑》.2024,全文.

审查员李元婕

权利要求书2页说明书9页附图1页

(54)发明名称

一种基于时序知识图谱的人机对话兴趣感

知方法

(57)摘要

CN114357141B本发明属于人机交互对话系统领域，具体涉及一种基于时序知识图谱的人机对话兴趣感知方法；该方法包括：获取用户输入内容和机器人对话库数据；根据用户输入内容和对话库数据得到至少两个候选回复；将用户输入内容和候选回复输入到采用基于时序知识图谱的人机对话兴趣感知模型中，得到用户对所有候选回复感兴趣的概率，选择概率最高的候选回复作为机器人的回复内容；本发明既考虑了人机交互过程中外部知识，又考虑了用户兴趣偏好，解决了当前人机交互系统存在机器人背景知识缺乏、用户在对话

CN114357141B

RPnaa

CN114357141B权利要求书1/2页

2

1.一种基于时序知识图谱的人机对话兴趣感知方法，其特征在于，包括：获取用户输入内容和机器人对话库数据；根据用户输入内容和对话库数据得到至少两个候选回复；将用户输入内容和候选回复输入到基于时序知识图谱的人机对话兴趣感知模型中，得到用户对所有候选回复感兴趣的概率，选择概率最高的候选回复作为机器人的回复内容；

采用基于时序知识图谱的人机对话兴趣感知模型对用户输入内容和候选回复进行处理的过程包括：

S1:采用时序知识图谱中的实体链接对用户输入内容进行实体提取与消歧，得到用户的兴趣种子实体集；

S2:将兴趣种子实体集中的兴趣种子实体沿时序知识图谱的关系路径进行偏好传播，

得到时序知识图谱的实体；兴趣种子实体进行偏好传播的过程包括：

S21:设置采样大小T,并将第一层兴趣种子实体作为时序知识图谱的第一层实体；

S22:获取当前层兴趣种子实体的邻居实体集，若邻居实体集中的邻居实体数量小于邻居实体数量阈值，则在邻居实体集中重复选取T个邻居实体作为采样域，若邻居实体集中的邻居实体数量大于邻居实体数量阈值，则分别计算邻居实体集中所有邻居实体与兴趣种子实体的紧密度；

S23:将邻居实体集中所有邻居实体与兴趣种子实体的紧密度按从大到小的顺序排序，选择前T个紧密度对应的邻居实体作为兴趣种子实体的采样域；

S24:对所有的采样域取并集，得到此时序知识图谱的下一层实体，将下一层实体作为新的兴趣种子实体，返回步骤S22,直到得到完整的时序知识图谱实体；

S3:对时序知识图谱的实体进行数值化处理，得到实体的采样域向量表示；对时序知识图谱的实体进行数值化处理包括：根据候选回复计算用户的关系友好度；根据遗忘曲线理论计算用户的时间新鲜度；根据关系友好度和时间新鲜度构建权值函数；根据权值函数对时序知识图谱的实体进行数值化；

S4:根据实体的采样域向量表示对实体向量表示进行更新，得到更新后的实体向量表

示；实体的采样域向量表示为：

其中，e;表示采样域中的第i个邻居实体的向量表示，S(e)表示实体的采样域实体集，g

(e)表示权值函数；

对实体向量表示进行更新的公式为：

e?B=σ(W·(e+Vs(e)+b)

其中，ea?表示更新后的实体向量表示，o表示非线性函数，W表示转换权值，e表示更新前的实体向量表示，Vs(e)表示实体的采样域向量表示，b表示偏置量；

S5:对更新后的实体向量表示进行聚合，得到用户的兴趣偏好表示；用户的兴趣偏好表

示为：

其中，h表示更新后的最内层第i个兴趣种子实体向量表示，S表示最内