技术详细介绍
（1）本发明通过学科知识图谱有效整合了各种多媒体知识、事实性知识、属性知识与语义知识，为智能答疑提供了丰富的知识来源。
（2）本发明在学科知识图谱中将各类知识通过关系与领域中的概念相关联，以关系记录作为问句的答案线索，提高了系统答疑的准确率。
（3）本发明通过卷积神经网络提取问句中的n-grams 特征，不依赖任意词性分析与语法分析，具有完全端到端的特点。
（4）通过一个多级蕴涵卷积神经网络，根据对所要匹配关系成份的蕴涵度，分别生成问句的不同语义向量，提高了问句与概念关系对的相似度精度。
（5）将问句中的概念提及与本体中的候选概念之间的相似度和问句与概念关系之间的相似度进行联合计算与联合训练，可简化模型的训练过程，同时通过概念与概念关系的相互制约，提高了概念关系对选择的准确率。
（1）本发明通过学科知识图谱有效整合了各种多媒体知识、事实性知识、属性知识与语义知识，为智能答疑提供了丰富的知识来源。
（2）本发明在学科知识图谱中将各类知识通过关系与领域中的概念相关联，以关系记录作为问句的答案线索，提高了系统答疑的准确率。
（3）本发明通过卷积神经网络提取问句中的n-grams 特征，不依赖任意词性分析与语法分析，具有完全端到端的特点。
（4）通过一个多级蕴涵卷积神经网络，根据对所要匹配关系成份的蕴涵度，分别生成问句的不同语义向量，提高了问句与概念关系对的相似度精度。
（5）将问句中的概念提及与本体中的候选概念之间的相似度和问句与概念关系之间的相似度进行联合计算与联合训练，可简化模型的训练过程，同时通过概念与概念关系的相互制约，提高了概念关系对选择的准确率。