专利交易市场

本发明公开了一种知识驱动的SPARQL查询构建方法，属于数据查询技术领域。获取用户提交的SPARQL查询语句，抽取SPARQL查询语句中的实体集合和谓词集合；分别解析判断实体集合及谓词集合中实体数及谓词数的数量，将查询语句分别分类为简单问题、事实问题及复杂问题，复杂问题可分为显示实体问题及隐式实体问题，分别对不同类别的问题构建查询流程，得到相对应的查询答案。本发明根据不同的问题，构建相对应的知识图谱，筛选出正确的SPARQL查询语句；降低了传统方法的搜索空间，减少运行时间；处理复杂问题时，若隐式实体没有出现，通过中间产物限制隐式实体，从而找出正确的SPARQL查询语句并执行结果，准确快速。

本发明公开了端到端层次解码任务型对话系统，包括：句子编码器模块，用于将第l轮用户输入的自然语言句子ul通过双向循环神经网络编码输出为固定长度的向量对话历史编码器模块，用于将对话历史通过单向循环神经网络编码为sl：用户意图引入模块，用于输入对话历史和当前用户句子的embedding，通过采样得到用户的意图表示数据库检索模块，用于输入由用户输入的自然语言句子提取的槽，在数据库中做检索，返回一个变量dl，表示数据库中是否存在满足需求的数据；解码输出模块，用于输入对话历史sl、用户句子的embedding数据库返回变量dl以及用户意图隐变量zl，输出自然语言句子作为系统对用户输入的回复：

本发明公开了基于关系检测和强化学习的知识图谱推理方法，包括：基于领域知识图谱和实体字典的字符串模糊匹配和基于CNN‑LSTM‑CRF的实体识别模型，检测用户输入的问句中的实体，完成实体检测；基于神经网络的语义匹配模型完成关系检测，关系检测模型包括：根据输入的问句以及与该问句相关的关系及不相关的关系，通过神经网络得到低维流形表示，基于该低维流形表示，使用rank loss优化模型参数，以使得问句能够从关系集合中找到与其语义最相近的关系；基于强化学习的知识图谱推理，每个时间步，根据策略函数πθ，在当前实体et下，选择一条out‑going的relationrt+1，走到下一个实体et+1，经过预设的最大的推理路径长度T的序列决策，达到最终的实体eT，实体eT作为问句的答案进行输出。

本发明公开了基于TAN树形朴素贝叶斯算法网页可点击识别方法及系统，该方法包括：包括：步骤S10，操控浏览器获取目标源网页，爬取该网页的数据，并根据获取到的数据构造出标签节点树；步骤S20，根据朴素贝叶斯方法，计算出该标签节点树每一个节点特征在可点击与不可点击类别下的条件概率；步骤S30，根据每个节点可点击的条件概率，计算出每一个对父子节点在可点击与不可点击类别下的条件互信息值，并作为边的权重；步骤S40，根据权重，判断出拥有较高可点击概率的节点，并点击该节点。本发明所涉及的数据爬取以及点击等具体行为不需要人工参与定义，减少人工干预。加入人工智能辅助，爬取过程人工介入量少，训练好的模型可适应大多数目标源，重用性高。