1.一种交通优化策略的智能问答方法，其特征在于，包括：获取交通技术文档中的非结构化信息，并根据所述非结构化信息构建实体识别模型；

通过关系抽取模型从所述交通技术文档中抽取第一实体和第一实体关系；并通过所述第一实体和所述第一实体关系构建初始交通知识图谱；

通过知识融合方法对所述初始交通知识图谱进行优化，得到优化后的目标交通知识图谱；

对获取的自然语言内容进行词条分析，抽取所述自然语言内容中的第二实体和第二实体关系；

根据所述第二实体和所述第二实体关系，从所述目标交通知识图谱中进行匹配，确定所述目标交通知识图谱中对应的目标节点和目标边；

根据所述目标节点和所述目标边，反馈所述自然语言内容对应的回答方案。

2.根据权利要求1所述的一种交通优化策略的智能问答方法，其特征在于，所述方法还包括关系抽取模型的构建过程，所述关系抽取模型的构建过程包括：将所述交通技术文档中的交通实体进行标注；

通过Bootstrapping方法和模式挖掘方法对所述标注进行扩充，并确定所述交通技术文档中的第一实体和第一实体关系；

构建每一类所述第一实体对应的种子词，并确定所述种子词的候选模式；所述候选模式包括实体上下文的字符以及对应的字迹；

将所述字迹放到未标注的交通技术文档中，以对所述未标注的交通技术文档挖掘交通实体；

根据所述候选模式从交通技术文档中挖掘出新的实体后，确定所述实体的支持度和置信度；

根据所述支持度和所述置信度，从候选模式中确定有效模式，将基于所述有效模式挖掘得到的实体确定为候选实体；

通过搜索引擎对所述候选实体进行验证，确定种子词；

根据种子词在循环挖掘过程中的数量变化情况，确定完成实体挖掘工作，构建得到关系抽取模型。

3.根据权利要求1所述的一种交通优化策略的智能问答方法，其特征在于，所述通过所述第一实体和所述第一实体关系构建初始交通知识图谱，包括：构建向量化模型，将所述第一实体转化为向量，所述向量之间的相似度能够代表不同第一实体之间的相似度；

根据所述第一实体与所述第一实体关系在交通技术文档中出现的实体关系为真的次数，通过采用基于支持度的方法对所述第一实体和所述第一实体关系进行一致性分析，提取得到初始交通知识图谱；

对提取到的初始交通知识图谱进行质量评估以及可信度评估，得到筛选后的初始交通知识图谱。

4.根据权利要求3所述的一种交通优化策略的智能问答方法，其特征在于，所述方法还包括：将所述初始交通知识图谱存储到图数据库Neo4j中。

5.根据权利要求1所述的一种交通优化策略的智能问答方法，其特征在于，所述对获取的自然语言内容进行词条分析，抽取所述自然语言内容中的第二实体和第二实体关系，包括：通过实体识别模型和实体关系抽取模型，对用户输入的语句进行抽取；

将抽取结果映射到知识图谱的一个或一组实体中；

根据所述知识图谱的结构，向用户返回结构化知识。

6.根据权利要求5所述的一种交通优化策略的智能问答方法，其特征在于，所述将抽取结果映射到知识图谱的一个或一组实体中，包括：将用户输入的语句中抽取出来的语义信息赋予权重；

根据所述权重，在目标交通知识图谱中确定目标实体，并将所述目标实体所在的子图的信息返回给用户。

7.根据权利要求1-6中任一项所述的一种交通优化策略的智能问答方法，其特征在于，所述方法还包括：确定所述回答方案的评价结果；

根据所述评价结果对回答方案进行优化；

其中，所述评价结果包括准确率、召回率和F1值。

8.一种交通优化策略的智能问答系统，其特征在于，包括：获取模块，用于获取交通技术文档中的非结构化信息，并根据所述非结构化信息构建实体识别模型；

初始图谱构建模块，用于通过关系抽取模型从所述交通技术文档中抽取第一实体和第一实体关系；并通过所述第一实体和所述第一实体关系构建初始交通知识图谱；

目标图谱构建模块，用于通过知识融合方法对所述初始交通知识图谱进行优化，得到优化后的目标交通知识图谱；

词条分析模块，用于对获取的自然语言内容进行词条分析，抽取所述自然语言内容中的第二实体和第二实体关系；

匹配模块，用于根据所述第二实体和所述第二实体关系，从所述目标交通知识图谱中进行匹配，确定所述目标交通知识图谱中对应的目标节点和目标边；

反馈模块，用于根据所述目标节点和所述目标边，反馈所述自然语言内容对应的回答方案。

9.一种装置，其特征在于，包括处理器以及存储器；

所述存储器用于存储程序；

所述处理器用于根据所述程序执行如权利要求1-7中任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行完成如权利要求1-7中任一项所述的方法。