陳定甲，淳鑫

（南寧師范大學(xué) 計算機與信息工程學(xué)院，廣西 南寧 530299）

0 引言

近年來，隨著知識圖譜構(gòu)建技術(shù)和深度學(xué)習(xí)技術(shù)的快速發(fā)展，知識圖譜問答方法源源不斷地被提出。知識圖譜問答系統(tǒng)能夠高效且精準(zhǔn)的問答問題，被廣泛地應(yīng)用在了文化知識、醫(yī)療、金融、電子商務(wù)等領(lǐng)域[1]。

知識圖譜問答系統(tǒng)可以分為兩個部分：一部分是知識圖譜，其可以高效整合海量數(shù)據(jù)的有效信息，為實現(xiàn)語義智能化搜索以及知識互聯(lián)打下基礎(chǔ)[2]。知識圖譜由許多的三元組來組成，能夠很清晰地表達出實體之間的關(guān)系，因此，其可以服務(wù)于各種系統(tǒng)。另一部分是問答系統(tǒng)，其采用規(guī)則匹配方式完成，將用戶輸入的問題進行語義分析，問題分類并進行問句相似度計算[3]?；谥R圖譜的問答系統(tǒng)則是根據(jù)問答系統(tǒng)的問題，在已構(gòu)建的知識圖譜中查詢對應(yīng)的答案，然后依據(jù)系統(tǒng)返回數(shù)據(jù)組裝句子進行回答。

對于現(xiàn)有的知識圖譜和問答系統(tǒng)技術(shù)來說，領(lǐng)域性的知識圖譜問答系統(tǒng)已經(jīng)做得比較完善了，但是通用性的并沒有深入的探索，尤其是在歷史文化領(lǐng)域。歷史文化領(lǐng)域的知識如今存在豐富，但是局限于網(wǎng)上多而雜的數(shù)據(jù)。如果想要從中檢索到所需的知識，其分辨效率低，并且知識比較分散，并沒有深入地挖掘。為此，將研究一套基于歷史文化的通用知識圖譜問答系統(tǒng)的設(shè)計并實現(xiàn)。

1 問答系統(tǒng)的設(shè)計

本研究基于歷史文化的通用知識圖譜問答系統(tǒng)，其中通用的歷史文化知識圖譜目前已有很多，且根據(jù)這些知識圖譜開發(fā)成了各種平臺[4]。本設(shè)計合理地利用好這些資源，以此為基礎(chǔ)，進行問答系統(tǒng)的設(shè)計。

設(shè)計的問答系統(tǒng)架構(gòu)如圖1所示。主要分為了3部分：應(yīng)用層、處理層、數(shù)據(jù)層。接下來將從上往下對每一層進行分析。

圖1 問答系統(tǒng)架構(gòu)圖

1.1 問答系統(tǒng)的應(yīng)用層

應(yīng)用層主要提供給用戶進行提問的界面，以及系統(tǒng)返回的一系列答案的展示。此層設(shè)計了進行問題輸入的文本框，用于收集用戶所提的問題，然后根據(jù)前端頁面的技術(shù)，生成返回后端的表單，進行數(shù)據(jù)的傳輸。當(dāng)用戶輸入問題進行查詢后，系統(tǒng)將進行數(shù)據(jù)的處理（在處理層進行解析），最終生成問題的答案，展示在前端的頁面上，使用戶快速地了解想要的知識。

1.2 問答系統(tǒng)的處理層

處理層主要是對應(yīng)用層中用戶所提的問題進行解析，然后尋找到其答案。對問題的解析分為了兩步：（1）實體抽取和關(guān)系抽取；（2）尋找答案則需要進行知識的推理匹配[5]。這些步驟對應(yīng)著處理層中的3個技術(shù)：實體抽取技術(shù)、關(guān)系抽取技術(shù)、知識推理匹配技術(shù)。

1.2.1 實體抽取技術(shù)

知識抽取技術(shù)從海量異構(gòu)數(shù)據(jù)中自動、快速、準(zhǔn)確地抽取人們感興趣的知識[6]，其中包括了實體抽取技術(shù)。對于一個用戶提出的問題，首先需要對問題的句子進行分詞，這是最基礎(chǔ)的一個步驟?，F(xiàn)有的分詞工具非常多，如jieba、HanLP、NLTK、ltp等，本研究使用ltp工具包的cws模型，對問句進行初步的分析。

經(jīng)過了分詞后，需要分析其問句的主體是什么，其實就是實體詞。對于實體詞的抽取，依然可以使用ltp工具包中的pos模型來抽取。其步驟主要是對分詞后的問句，進行詞性標(biāo)注，給每一個詞都標(biāo)上其詞性。詞性分為名詞（n）、動詞（v）、形容詞（adv）等，這些是一個詞語的抽象表示，也是識別實體的關(guān)鍵信息。其中對應(yīng)的詞性為名詞的詞語，可以初步的抽取出來，作為目標(biāo)實體。但是這一步得到的實體并不很準(zhǔn)確，所以還需要通過其他的方法去判斷。

另一種方法為命名實體識別，ltp工具包提供了ner模型可以對問句進行命名實體識別。識別出來具有特定意義的實體，其中主要包括人名、地名、專有名詞等。

最后將詞性標(biāo)注得到的名詞和命名實體識別得到的實體詞進行對比，從而確定目標(biāo)實體，完成問句的實體抽取。

1.2.2 關(guān)系抽取技術(shù)

上述已經(jīng)從問句中提取出了實體詞了，也就是明白了問句的主體了，那么接下來將是要了解主體需要做什么，也就是找到其關(guān)系。在關(guān)系抽取中，仍讓依賴ltp工具包的詞性標(biāo)注。從實體抽取中，已經(jīng)對問句進行了詞性標(biāo)注了，只需要提取其中動詞等詞語出來，作為備選的關(guān)系詞，等待進一步去驗證判斷即可。

進一步驗證使用的模型為ltp工具包中的sdp模型，該模型為依存句法分析模型。sdp模型能夠從問句中分析出每個詞組之間的成分，如主謂關(guān)系（SBV）、動賓關(guān)系（VOB）等。從這些關(guān)系中，可以找出與實體詞有關(guān)的關(guān)系，再結(jié)合上述的備選的關(guān)系詞，最終判斷出準(zhǔn)確的關(guān)系詞，對其進行提取，即可完成問句的關(guān)系提取。

1.2.3 知識匹配推理技術(shù)

知識匹配推理主要是通過對問題分析后，結(jié)合知識圖譜的數(shù)據(jù)，進行匹配。當(dāng)然，不是所有的知識都能夠準(zhǔn)確得表達清楚，且與數(shù)據(jù)庫中的知識明確對應(yīng)的，這時候即需要進行知識的推理，找出其相似的詞，并給用戶返回相似的答案。

具體來說，根據(jù)實體抽取得到的實體詞和關(guān)系抽取得到的關(guān)系詞，先從知識圖譜中進行搜索，如果能夠得到準(zhǔn)確的答案則返回即可；當(dāng)從知識圖譜中搜索不到相應(yīng)的答案之時，則需要對實體詞和關(guān)系詞進行相似詞的替換，然后再去知識圖譜中進行搜索。

實體詞和關(guān)系詞進行相似詞替換，提供了2種方式。（1）外部補充知識。這個方法需要一個比較全面的詞匯表，如地名等。如果人工收集成本大，于是開發(fā)了一個邊查邊補充詞匯表的方法，即是當(dāng)用戶查詢時，返回相似的信息，若用戶確定其為想要的信息，則將其記錄到相似詞匯表中。（2）對知識圖譜進行模糊搜索。根據(jù)知識圖譜的模糊查詢語句，將實體詞或關(guān)系詞都當(dāng)作模糊詞進行查詢，最后將結(jié)果返回給用戶，由用戶確定想要的信息。當(dāng)然，為了得到更加準(zhǔn)確的結(jié)果，將兩種方式結(jié)合，進行知識的匹配推理，最后得到一個準(zhǔn)確的結(jié)果返回給用戶。

1.3 問答系統(tǒng)的數(shù)據(jù)層

在數(shù)據(jù)層，構(gòu)建了一個知識比較全面的知識圖譜。知識圖譜主要存放著各個相關(guān)信息的三元組，這些三元組信息清晰明了，表達能力強，所以選用知識圖譜作為問答系統(tǒng)的底層數(shù)據(jù)支撐。為了做到比較通用，主要收集了現(xiàn)有關(guān)于歷史文化、旅游景點、人文山水、地理等信息。當(dāng)然，若想在應(yīng)用層表達更豐富的信息，還需要其他形式的知識補充，如圖片、視頻等。

2 問答系統(tǒng)的實現(xiàn)

首先，在應(yīng)用層采用了一些比較輕便的框架來實現(xiàn)答案相關(guān)的知識圖譜展示，以及答案的文本或者圖片的頁面填充，如Vue框架、D3.js技術(shù)等。Vue框架主要是輕量級、體積小，比較適合快速的開發(fā)，且運行效率很高，生態(tài)豐富，學(xué)習(xí)成本低。本研究主要考慮Vue框架的可移植性和輕便性，從而選定其為前端頁面開發(fā)所使用的框架。D3.js是一個基于web標(biāo)準(zhǔn)的JavaScript可視化庫，其可以使用SVG或者Canvas等HTML的頁面渲染技術(shù)將數(shù)據(jù)生動的展示出來。知識圖譜就是一個靈活多變的樹圖，所以相對于Chart.js等畫圖庫，D3.js技術(shù)能夠更加精準(zhǔn)的制作出所定制的圖，且使用非常方便，兼容現(xiàn)在的所有瀏覽器。

其次，在處理層中使用Flask框架來連接底層數(shù)據(jù)和頂層應(yīng)用。Flask框架性能上基本滿足一般web開發(fā)的需求，并且靈活性以及可擴展性上要優(yōu)于其他web框架，對各種數(shù)據(jù)庫的契合度都非常高。本設(shè)計主要依賴于Flask框架的靈活性和拓展性，能夠把ltp模型嵌套進框架中，設(shè)計比較方便。而且本研究所使用的數(shù)據(jù)庫為圖像庫，F(xiàn)lask框架調(diào)用靈活。由于其靈活的代碼設(shè)計，能夠給開發(fā)者更多再創(chuàng)造的空間，開發(fā)出更加契合項目需求的功能。

最后，有了大量的數(shù)據(jù)之后，應(yīng)當(dāng)存儲在數(shù)據(jù)庫中，才能方便使用。知識圖譜由于其數(shù)據(jù)包含實體、屬性、關(guān)系等，常見的關(guān)系型數(shù)據(jù)庫諸如MySQL之類不能體現(xiàn)數(shù)據(jù)的這些特點。因此，知識圖譜數(shù)據(jù)的存儲一般是采用圖數(shù)據(jù)庫。所以在數(shù)據(jù)層使用了Neo4j數(shù)據(jù)庫來存儲知識圖譜的數(shù)據(jù)。Neo4j是一個高性能的NOSQL圖形數(shù)據(jù)庫，它將結(jié)構(gòu)化數(shù)據(jù)存儲在網(wǎng)絡(luò)上而不是表中，它也是一個嵌入式的、基于磁盤的、具備完全的事務(wù)特性的Java持久化引擎。

3 具體應(yīng)用

基于上述的設(shè)計，使用Neo4j數(shù)據(jù)庫作為知識圖譜的存儲，結(jié)合現(xiàn)在比較輕便開發(fā)的Vue、D3.js以及Flask等技術(shù)實現(xiàn)了基于歷史文化的通用知識圖譜問答系統(tǒng)。其提供了用戶問題搜索、結(jié)果返回展示、知識圖譜的可視化等功能。前端界面如圖2所示。

圖2 歷史文化的通用知識圖譜問答系統(tǒng)展示圖

本設(shè)計的歷史知識的通用知識圖譜問答系統(tǒng)主具有易搜索、高效、簡潔、便于用戶的理解等優(yōu)點。答案以圖譜的形式展示，生動形象，知識清晰可辨，同時是也有對每個知識的詳細內(nèi)容補充，使用戶能夠深入的理解其知識包含的具體內(nèi)容。簡潔的界面使用戶無需從大段的文字中找到自己的想要的知識，本系統(tǒng)的知識能夠做到一目了然。例如圖中搜索“李明儒的相關(guān)事件”，系統(tǒng)將馬上返回以“李明儒”這名偉人的歷史相關(guān)事件，并通過了知識圖譜的形式展示，右側(cè)則是“李明儒”這名偉人的人物介紹。

4 結(jié)語

本設(shè)計完成的與實現(xiàn)了歷史文化的通用知識圖譜問答系統(tǒng)，完成了問答系統(tǒng)的實體抽取、關(guān)系抽取以及知識匹配推理技術(shù)，并在已有的知識圖譜上，使用Neo4j、Flask、Vue和D3.js等工具開發(fā)出一套較為通用的問答系統(tǒng)，幫助人們更高效地檢索信息。