一种图谱问答方法、装置、设备、存储介质及电子产品与流程

1.本技术实施例涉及图谱问答领域，具体而言，涉及一种图谱问答方法、装置、设备、存储介质及电子产品。


背景技术：

2.问答系统(question answering system，qa)属于人工智能领域和自然语言处理领域中的一种备受关注并具有广泛发展前景的典型应用。由于人们对快速且准确的获取信息的需求，因此问答系统被广泛应用于各种业务场景中。
3.其中，基于图谱的问答技术(knowledge-based question answering)是指从商家或商品的结构化信息图谱中，对答案进行推理的问答技术。用户的问题中包含大量的实体数据，如何将用户的问题文本数据转换为能够用于图谱识别和查询的问题数据，是实现基于图谱的问答技术的关键。现有技术中通常需要通过建立关系识别或意图识别模型来实现用户输入的问题识别，这就导致了问答过程中的模型数量增多、系统复杂度增大。如何提供一种图谱问答过程中建模数量更少、系统复杂度更低的图谱问答方法，成了现如今亟待解决的问题。


技术实现要素：

4.本技术实施例在于提供一种图谱问答方法、装置、设备、存储介质及电子产品，旨在提供一种图谱问答过程中建模数量更少、系统复杂度更低的图谱问答方法。
5.本技术实施例第一方面提供了一种图谱问答方法，包括：
6.对输入问题中的每个token进行实体识别标签分类，并根据所述token对应的实体识别标签划分得到语段；
7.预测所述语段的依存位置和依存类型，所述依存类型包括：root，属性关系边，约束值边，本体约束边，判断边，聚合函数边，顺序边，无意义，条件类型边和条件关系边；
8.根据所述语段的依存类型生成依存树，作为所述输入问题对应的查询依据，所述查询依据用于在图谱中查询答案。
9.可选地，对输入问题中的每个token进行实体识别标签分类，并根据所述token对应的实体识别标签划分语段，包括：
10.将所述输入问题的按照输入顺序，划分为多个token，所述token包括中文字符和/或英文词段；
11.生成每个token对应的向量，确定每个token对应的向量所属的实体分类集合，所述实体分类集合包括：实体，属性关系，条件值，条件类型以及聚合函数；
12.在所述每个token对应的向量所属的实体分类集合中，确定每个token对应的实体识别标签；
13.根据token对应的实体识别标签划分语段。
14.可选地，预测所述语段的依存位置和依存类型，包括：
15.获取所述语段对应的语段向量；
16.将所述语段向量与实体识别标签向量进行拼接，得到依存模型输入向量；
17.将所述依存模型输入向量输入依存模型中，输出所述语段对应的依存位置和依存类型。
18.可选地，根据所述语段的依存类型生成依存树，作为所述输入问题对应的查询依据，包括：
19.根据所述语段的依存类型，判断需要链接的语段以及需要链接的语段的链接类型；
20.根据所述需要链接的语段的链接类型，对所述需要链接的语段进行链接，确定所述需要链接的语段的链接实体；
21.根据所述语段对应的依存位置和依存类型，生成以“root”为根源结点的初始化依存树，并确定所述初始化依存树中查询依据的槽位；
22.将所述需要链接的语段的链接实体，按照需要链接的语段的依存类型，填入初始化依存树中查询依据对应的槽位中，得到依存树，将所述依存树作为所述输入问题对应的查询依据。
23.可选地，根据所述需要链接的语段的链接类型，对所述需要链接的语段进行链接，确定所述需要链接的语段的链接实体，包括：
24.将所述需要链接的语段输入别称字典，进行完全匹配，得到所述需要链接的语段映射的原实体，将所述原实体作为所述需要链接的语段的链接实体。
25.可选地，当所述需要链接的语段输入别称字典后无法完全匹配得到所述原实体时，还包括：
26.将所述需要链接的语段进行分词处理，得到需要链接的语段的子词；
27.将每个子词输入子词-实体字典中进行匹配，得到所述每个子词对应的候选实体；
28.计算每个候选实体与所述需要链接的语段的相似度得分，将相似度得分最高的候选实体作为所述需要链接的语段的链接实体。
29.本技术实施例第二方面提供了一种图谱问答装置，包括：
30.实体识别模块，用于对输入问题中的每个token进行实体识别标签分类，并根据所述token对应的实体识别标签划分得到语段；
31.依存分析模块，用于预测所述语段的依存位置和依存类型，所述依存类型包括：root，属性关系边，约束值边，本体约束边，判断边，聚合函数边，顺序边，无意义，条件类型边和条件关系边；
32.查询生成模块，用于根据所述语段的依存类型生成依存树，作为所述输入问题对应的查询依据，所述查询依据用于在图谱中查询答案。
33.其中，所述实体识别模块，包括：
34.token划分子模块，用于将所述输入问题的按照输入顺序，划分为多个token，所述token包括中文字符和/或英文词段；
35.实体分类子模块，用于生成每个token对应的向量，确定每个token对应的向量所属的实体分类集合，所述实体分类集合包括：实体，属性关系，条件值，条件类型以及聚合函数；
36.实体识别子模块，用于在所述每个token对应的向量所属的实体分类集合中，确定每个token对应的实体识别标签；
37.语段划分子模块，用于根据token对应的实体识别标签划分语段。
38.所述依存分析模块，包括：
39.语段向量获取子模块，用于获取所述语段对应的语段向量；
40.依存输入子模块，用于将所述语段向量与实体识别标签向量进行拼接，得到依存模型输入向量；
41.依存输出子模块，用于将所述依存模型输入向量输入依存模型中，输出所述语段对应的依存位置和依存类型。
42.所述查询生成模块，包括：
43.链接判断子模块，用于根据所述语段的依存类型，判断需要链接的语段以及需要链接的语段的链接类型；
44.链接子模块，用于根据所述需要链接的语段的链接类型，对所述需要链接的语段进行链接，确定所述需要链接的语段的链接实体；
45.依存树生成子模块，用于根据所述语段对应的依存位置和依存类型，生成以“root”为根源结点的初始化依存树，并确定所述初始化依存树中查询依据的槽位；
46.查询生成子模块，用于将所述需要链接的语段的链接实体，按照需要链接的语段的依存类型，填入初始化依存树中查询依据对应的槽位中，得到依存树，将所述依存树作为所述输入问题对应的查询依据。
47.其中，所述链接子模块，包括：
48.第一链接子单元，用于将所述需要链接的语段输入别称字典，进行完全匹配，得到所述需要链接的语段映射的原实体，将所述原实体作为所述需要链接的语段的链接实体。
49.其中，所述链接子模块，还包括：
50.分词子单元，用于将所述需要链接的语段进行分词处理，得到需要链接的语段的子词；
51.候选实体生成子单元，用于将每个子词输入子词-实体字典中进行匹配，得到所述每个子词对应的候选实体；
52.第二链接子单元，用于计算每个候选实体与所述需要链接的语段的相似度得分，将相似度得分最高的候选实体作为所述需要链接的语段的链接实体。
53.本技术实施例第三方面提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现第一方面中任一所述的图谱问答方法中的步骤。
54.本技术实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现第一方面中任一所述的图谱问答方法中的步骤。
55.本技术实施例第五方面提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现第一方面中任一所述的图谱问答方法中的步骤。
56.有益效果：
57.本技术实施例提供一种图谱问答方法、装置、设备、存储介质及电子产品，包括：对
输入问题中的每个token进行实体识别标签分类，并根据所述token对应的实体识别标签划分得到语段；预测所述语段的依存位置和依存类型，所述依存类型包括：root，属性关系边，约束值边，本体约束边，判断边，聚合函数边，顺序边，无意义，条件类型边和条件关系边；根据所述语段的依存类型生成依存树，作为所述输入问题对应的查询依据，所述查询依据用于在图谱中查询答案。本技术通过依存分析和属性关系链接来完成关系识别模型的功能，简化了图谱问答系统中的模型数量，降低了系统的复杂程度，有利于图谱问答系统的优化发展。
附图说明
58.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
59.图1是本技术一实施例提出的图谱问答方法流程图；
60.图2是本技术一实施例提出的查询依据生成流程图；
61.图3是本技术一实施例提出的图谱问答装置示意图；
62.图4是本技术一实施例提出的电子设备示意图。
具体实施方式
63.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
64.首先，对本领域的相关术语进行解释：
65.图谱，是指一种知识存储结构，包括实体、关系、属性、本体等基本元素，其基本结构为三元组，有“实体-属性-属性值”和“实体-关系-实体”两种。
66.依存分析，是指分析句子中各词之间的依赖关系，主要分析的内容为句子中词(或语段)之间的关联关系，以及有关联的词之间的关系类型。
67.实体识别，是一种信息提取技术，从文本数据中获取人名、地名等实体数据。本技术实施例中的实体识别的含义不只是实体词，还包括从问句中获取的跟图谱有关的语段，包括实体、属性关系、约束值等一些问答中的有用信息。
68.token，表示分词(tokenization)后得到的词段，当输入问题为中文时，经过分词后得到的token为字符；当输入问题为英文时，经过分词后得到的token为英文词段。
69.相关技术中，基于图谱的问答技术通常需要通过建立关系识别或意图识别模型来实现用户输入的问题识别，这就导致了问答过程中的模型数量增多、系统复杂度增大。
70.有鉴于此，本技术实施例提出一种图谱问答方法，图1示出了图谱问答方法流程图，如图1所示，包括如下步骤：
71.s101、对输入问题中的每个token进行实体识别标签分类，并根据所述token对应的实体识别标签划分得到语段。
72.s102、预测语段的依存位置和依存类型。
73.预测所述语段的依存位置和依存类型，所述依存类型包括：root，属性关系边，约束值边，本体约束边，判断边，聚合函数边，顺序边，无意义，条件类型边和条件关系边。
74.s103、根据语段的依存类型生成依存树，作为输入问题对应的查询依据。
75.根据所述语段的依存类型生成依存树，作为所述输入问题对应的查询依据，所述查询依据用于在图谱中查询答案。
76.具体实施步骤s101时，首先获取用户输入的输入问题的文本数据，将所述输入问题的文本数据按照输入问题的文本排列顺序，划分为多个token。
77.在一种可选的实施方式中，在输入问题包含中文文本时，中文文本经过划分得到的字符作为token。具体而言，当输入问题包含中文时，按照输入问题中汉字的输入顺序，将每个字划分为一个字符，每个字符作为一个token。例如，当输入问题中包含中文词段“学习”时，按照输入顺序，将输入问题中的“学习”划分为字符“学”和字符“习”，将字符“学”和字符“习”分别作为token。
78.在一种可选的实施方式中，在输入问题包含英文文本时，英文文本经过划分得到的词段作为token。具体而言，当输入问题包含英文时，按照输入问题中英文的输入顺序，将英文单词划分为英文词段，每个英文词段作为一个token。例如，当输入问题中包含英文“learning”时，按照输入顺序，将英文“learning”划分为英文词段“learn”和“ing”，将英文词段“learn”和“ing”分别作为token。
79.然后采用实体识别模型，生成每个token对应的向量，并依据每个token对应的向量，确定所述每个token对应的向量所属的实体分类集合。
80.其中，所述实体分类集合包括：实体，属性关系，条件值，条件类型以及聚合函数。具体而言，实体是指输入问题中的实体数据，如人名、地名等；属性关系是指输入问题中的表达实体的性质的数据，如身高、年龄等；条件值是指输入问题中表达条件的数值，条件类型是指输入问题中表达条件的类型，如“年龄大于30岁的人是谁”作为输入问题时，“大于”为条件类型，“30”为对应的条件值；聚合函数是指输入问题中表达数据处理的数据，如求和、平均数等。
81.在确定了每个token对应的向量所属的实体分类集合后，每个实体分类集合中又包含了多种实体识别标签，在该token对应的向量所属的实体分类集合中，确定每个token对应的确定的实体识别标签。
82.本技术实施例中，采用的实体识别模型为bert模型，具体在实施时也可以采取现有技术中的其他实体识别模型，在此本技术不作限制。
83.最后，根据token对应的实体识别标签划分语段。以中文为例，由于之前将输入问题划分为每个字为一个字符，字符作为token，在识别得到了每个token对应的实体识别标签后，会先将具有相同实体识别标签的token做判断，若这些相同实体识别标签的token中，存在位置在输入问题中为连续出现的token，则将这些具有相同实体识别标签的连续的token视为同一ner语段；如果不满足上述条件，则单独作为一个语段。例如，如果问题中第一token为字符“公”，第二token为字符“司”，其对应的实体识别标签相同，且在问题中是连续的，则将“公司”划分为同一语段。
84.至此完成了对于输入问题中token的实体识别和语段划分，接下来需要对实体识
别出的各语段进行依存分析。
85.具体实施步骤s102时，首先获取实体识别得到的语段对应的语段向量，具体而言，通过bert模型对前面加了“root”的输入问题进行编码，并将每个bert编码的语段中的token对应的向量求平均，得到语段向量。随后，将所述语段向量与通过依存模型中embedding矩阵得到的实体识别标签向量进行拼接，得到依存模型输入向量。最后将该依存模型输入向量输入依存模型中，输出所述语段对应的依存位置和依存类型。
86.其中，依存类型包括：root，属性关系边，约束值边，本体约束边，判断边，聚合函数边，顺序边，无意义，条件类型边和条件关系边。root为根源节点，是整个输入问题的根源，可以理解为未知数代表的问题答案；属性关系边为问题中的属性值；约束值边为问题中的约束数值；条件类型边为问题中的判断条件的类型；例如，对于输入问题“年龄大于30岁的人是谁”中，这个年龄大于30岁的人x即为root，年龄为属性关系边，大于为条件类型边，30为约束值边。判断边为当输入问题为表示判断的问题时，表示判断的词为判断边，如“是否”；聚合函数边为输入问题中表达数据处理的数据，如求和、平均数等；顺序边表示当输入问题涉及到实体的先后顺序时；本体约束边为输入问题中约束属性的本体数据，如输入问题“张三比李四的年龄大多少”中，张三必须在李四之前，即为顺序边，张三和李四为本体约束边。无意义指的是输入问题中没有具体意义的数据，如“的”等。
87.本技术实施例中，采用的依存分析模型为经典的双仿射变换模型来确定依存类型和依存位置，具体在实施时也可以采取现有技术中的其他实体识别模型，在此本技术不作限制。
88.在得到了每个语段对应的依存类型和依存位置后，执行步骤s103，根据所述语段的依存类型生成依存树，作为所述输入问题对应的查询依据，图2示出了查询依据生成流程图，如图2所示，包括如下步骤：
89.s103-1、根据语段的依存类型，判断需要链接的语段以及需要链接的语段的链接类型。
90.在语段的依存类型和实体与属性相关时，该语段可能为别称，因此需要链接来确定语段的原实体。具体而言，判断语段的依存类型，当语段的依存类型为root，属性关系边，约束值边，判断边以及顺序边时，将其确定为需要链接的语段，并确定其对应的链接类型。
91.s103-2、根据需要链接的语段的链接类型，对需要链接的语段进行链接，确定需要链接的语段的链接实体。
92.具体实施时，首先进行人工链接。将所述需要链接的语段输入人工选择的与别称相关的别称字典中，别称字典为将实体别名称映射为原实体的字典，其以别称作为映射的键，将原实体作为映射的值。通过在别称字典中进行完全匹配，得到所述需要链接的语段映射的原实体，将所述原实体作为所述需要链接的语段的链接实体。
93.当经过人工链接后没有找到与需要链接的语段完全匹配的别称字典，或者没有找到别称字典中映射的原实体时，说明不存在与该需要链接的语段完全匹配的别称字典或原实体，此时需要再进行机器链接来确定链接实体。
94.具体实施时，将所述需要链接的语段(包括实体或属性词)先进行分词处理，得到需要链接的语段的子词，例如，需要链接的语段为“股份有限公司”，则将该语段划分为“股份”、“有限”、“公司”多个子词；随后将每个子词输入每个子词对应的子词-实体字典中进行
匹配，得到所述每个子词对应的候选实体，其中，子词-实体字典为将知识图谱中的各个实体和属性词进行分词，并将分到的子词作为映射的键，将实体或属性作为映射的值输出。将输出的实体(或属性)作为候选实体，进行评分；根据相似度算法，计算每个候选实体与所述需要链接的语段的相似度得分，然后从所有候选实体的相似度得分中，挑选相似度得分最高的候选实体，将该相似度得分最高的候选实体作为所述需要链接的语段的链接实体。本技术实施例通过依存分析和属性关系链接来完成关系识别模型的功能，取代了传统的关系识别模型，从而简化了图谱问答系统中的模型数量，使得整个图谱问答方法的结构更加简单。
95.s103-3、根据语段对应的依存位置和依存类型，生成以“root”为根源结点的初始化依存树，并确定初始化依存树中查询依据的槽位。
96.具体实施时，将不同依存类型的语段按照其依存位置，生成初始化依存树，该初始化依存树是以依存类型为“root”为根源结点，并按照不同语段的依存类型的依存关系，生成对应的不同层次的分支结点，构成整体的初始化依存树。该初始化依存树中，对于需要链接的依存类型的语段，其上有对应的槽位用来填充上述步骤s103-2生成的链接实体。
97.s103-4、将需要链接的语段的链接实体，按照需要链接的语段的依存类型，填入初始化依存树中查询依据对应的槽位中，得到依存树，将依存树作为输入问题对应的查询依据。
98.将得到的需要链接的语段对应的链接实体，填入上述初始化依存树中需要链接的语段对应的槽位中，得到依存树，该依存树是可供图谱系统识别的对于输入问题的内容和逻辑关系(包括实体和依存关系)的体现，将该依存树作为输入问题的查询依据。
99.最后将该查询依据输入图谱系统中，即可由图谱系统按照该查询依据中的内容和逻辑关系，在对应的知识图谱中，搜索到对应的问题答案，将该答案返回给用户，完成了一次对于用户输入问题的回答。
100.本技术实施例提供的一种图谱问答方法，可以对与图谱相关的多种类型问题进行回答，其中包括以下类别：
101.(1)查单实体；
102.(2)单或多实体的单或多属性(或关系)查询；
103.(3)单实体的多跳查询，最后一跳是属性或关系，前几跳都是关系；
104.(4)单实体查主实体或副实体(主实体还是副实体根据关系边的指向确定)；
105.(5)两个实体间的关系，即查询两实体节点间的路径；
106.(6)两实体的属性差值计算，差值包括：属性是数值计算数值差、属性是列表计算数量差；
107.(7)两实体的属性比较大小，包括：属性是数值比较大小、属性是列表比较数量大小、属性值是字符串值但是分级(比如学历、职位、时间等等)比较大小；
108.(8)单或多限制条件查询实体、实体属性、实体关系，多限制条件间有与或两种关系，限制条件类型包括：限制条件值是实体或字符串值时的相等或不等，限制条件值是数值时的大于小于等于不等于最大最小；
109.(9)对查询的实体或属性或关系进行判断，包括：判断值是否相等大于小于，如果是列表值判断是否包含；
110.(10)对查询的实体或属性或关系添加聚合函数输出，聚合函数包括：对数值求最大、最小、平均、总和值，对其他值求计数值。
111.本技术实施例提供一种图谱问答方法，包括：对输入问题中的每个token进行实体识别标签分类，并根据所述token对应的实体识别标签划分得到语段；预测所述语段的依存位置和依存类型，所述依存类型包括：root，属性关系边，约束值边，本体约束边，判断边，聚合函数边，顺序边，无意义，条件类型边和条件关系边；根据所述语段的依存类型生成依存树，作为所述输入问题对应的查询依据，所述查询依据用于在图谱中查询答案。本技术通过依存分析和属性关系链接来完成关系识别模型的功能，简化了图谱问答系统中的模型数量，降低了系统的复杂程度，有利于图谱问答系统的优化发展。
112.基于同一发明构思，本技术实施例公开一种图谱问答装置，图3示出了一种图谱问答装置示意图，如图3所示，包括：
113.实体识别模块，用于对输入问题中的每个token进行实体识别标签分类，并根据所述token对应的实体识别标签划分得到语段；
114.依存分析模块，用于预测所述语段的依存位置和依存类型，所述依存类型包括：root，属性关系边，约束值边，本体约束边，判断边，聚合函数边，顺序边，无意义，条件类型边和条件关系边；
115.查询生成模块，用于根据所述语段的依存类型生成依存树，作为所述输入问题对应的查询依据，所述查询依据用于在图谱中查询答案。
116.其中，所述实体识别模块，包括：
117.token划分子模块，用于将所述输入问题的按照输入顺序，划分为多个token，所述token包括中文字符和/或英文词段；
118.实体分类子模块，用于生成每个token对应的向量，确定每个token对应的向量所属的实体分类集合，所述实体分类集合包括：实体，属性关系，条件值，条件类型以及聚合函数；
119.实体识别子模块，用于在所述每个token对应的向量所属的实体分类集合中，确定每个token对应的实体识别标签；
120.语段划分子模块，用于根据token对应的实体识别标签划分语段。
121.所述依存分析模块，包括：
122.语段向量获取子模块，用于获取所述语段对应的语段向量；
123.依存输入子模块，用于将所述语段向量与实体识别标签向量进行拼接，得到依存模型输入向量；
124.依存输出子模块，用于将所述依存模型输入向量输入依存模型中，输出所述语段对应的依存位置和依存类型。
125.所述查询生成模块，包括：
126.链接判断子模块，用于根据所述语段的依存类型，判断需要链接的语段以及需要链接的语段的链接类型；
127.链接子模块，用于根据所述需要链接的语段的链接类型，对所述需要链接的语段进行链接，确定所述需要链接的语段的链接实体；
128.依存树生成子模块，用于根据所述语段对应的依存位置和依存类型，生成以“root”为根源结点的初始化依存树，并确定所述初始化依存树中查询依据的槽位；
129.查询生成子模块，用于将所述需要链接的语段的链接实体，按照需要链接的语段的依存类型，填入初始化依存树中查询依据对应的槽位中，得到依存树，将所述依存树作为所述输入问题对应的查询依据。
130.其中，所述链接子模块，包括：
131.第一链接子单元，用于将所述需要链接的语段输入别称字典，进行完全匹配，得到所述需要链接的语段映射的原实体，将所述原实体作为所述需要链接的语段的链接实体。
132.其中，所述链接子模块，还包括：
133.分词子单元，用于将所述需要链接的语段进行分词处理，得到需要链接的语段的子词；
134.候选实体生成子单元，用于将每个子词输入子词-实体字典中进行匹配，得到所述每个子词对应的候选实体；
135.第二链接子单元，用于计算每个候选实体与所述需要链接的语段的相似度得分，将相似度得分最高的候选实体作为所述需要链接的语段的链接实体。
136.基于同一发明构思，本技术实施例公开了一种电子设备，图4示出了本技术实施例公开的电子设备示意图，如图4所示，电子设备100包括：存储器110和处理器120，存储器110与处理器120之间通过总线通信连接，存储器110中存储有计算机程序，该计算机程序可在处理器120上运行，以实现本技术实施例公开的一种图谱问答方法中的步骤。
137.基于同一发明构思，本技术实施例公开了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现本技术实施例公开的一种图谱问答方法中的步骤。
138.基于同一发明构思，本技术还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本技术实施例公开的一种图谱问答方法中的步骤。
139.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
140.本发明实施例是参照根据本发明实施例的方法、装置、电子设备和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
141.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
142.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在
计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
143.尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
144.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
145.以上对本发明所提供的一种图谱问答方法、装置、设备、存储介质及电子产品，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。