1.一种容错的基于图谱架构的智能语义搜索方法，其所包含的步骤如下：

步骤1）根据已有资源，建立处理资源框架；

步骤2）获取用户投入的金额和预等待时间，建立用户投入模型，预等待时间决定搜索的次数、每次搜索的项数和每次要搜索的时间，设定每次搜索的项数和每项要搜索的时间是固定的：步骤3）获取用户搜索需求，允许用户以自然语言文本描述的形式输入其信息需求；

步骤4）提取用户搜索需求关键词；

步骤5）遍历处理资源架构，搜索相关资源，根据步骤4提取出的关键词，遍历处理资源架构，寻找相关资源；

步骤6）判断能否找到相关资源，若不能找到，在知识图谱上通过关系推理挖掘新的实体和关联关系，增强图谱结点密度和边密度，更新处理资源架构，然后重新遍历处理资源架构，寻找资源；

步骤7）构建模糊倾向性词汇表，模糊倾向性词汇指的是 “可能”、“或许”这种倾向性不确定的词语；

步骤8）对找到的资源根据倾向性按照正向和反向进行分类，答案中包括模糊倾向词汇表中词汇的资源视为无用资源；

步骤9）根据步骤（8）得到两种倾向性资源，统计正向资源和反向资源在资源总数所占的比重” “M表示用户投入的金额，T表示预等待时间，S_times表示搜索的次数、S_item表示每次搜索的项数，Pert_item表示每次要搜索的时间”、“weight表示两种倾向性资源，统计正向资源和反向资源在资源总数所占的比重，其中Resource正表示正向资源数，Resource反表示反向资源数，Resource总表示资源总数： 步骤10）根据步骤9得到的正反双向资源所占权重分配用户投入，确定正向和反向搜索分别要花费的时间和金额，进而确定正反双向搜索分别要递进搜索的次数：其中T（正/反）表示正向与反向搜索分别要花费的时间、M（正/反）表示正向与反向搜索分别要花费的金额、weight（正/反）表示正反双向资源所占权重，正/反表示的含义是正或反；

步骤11）根据步骤8得到的资源按照资源中的关键词进行关联因素递进搜索，并计算得到信息的熵值，熵值范围是0到1，熵值越大，信息倾向越分散，可信度越低，资源是有时效性的，是按照某一关联因素进行递进搜索时，在Tk时间下得到的资源的熵值，pi是每类答案出现的概率，entropy表示按照某一关联因素进行递进搜索时，在不同时效下得到资源的加权平均熵值，Timeliness是Tk时间资源的时效性，Ts是资源开始出现的时间，Tt是资源终止传播的时间，Tc是当前搜索者搜索资源的时间：（7）

步骤12）根据步骤9得到的递进搜索项的熵，计算资源可信度Confidence，设定在搜索前正反倾向的资源可信度都为1，n是搜索的次数，m是每次搜索的条目总数，itemi表示条目i，是按条目i递进搜索得到的资源的熵：（9）

步骤13）根据步骤10得到的资源的可信度，判断正向资源可信度和反向资源可信度的比值是否大于阈值T或小于1/T，该阈值可根据学习算法得到，若可信度比值满足阈值条件，返回可信度大的资源给搜索者；否则步骤11遍历处理资源架构继续递进搜索；

步骤14）获取用户反馈，若用户对答案不满意，提示用户是否增加投入重新检索，若用户增加了投入，返回步骤10重新分配正向和反向投入比例，继续递进搜索。