公眾號 系統之神與我同在

前幾個月參加了今年ccks（中國知識圖譜與計算語義大會）任務四基于知識圖譜問答的比賽：

a榜第三 b榜出差去了 等回來的時候結束了 在這里寫個分享

知識圖譜典型問題：

問題：

武漢大學出了哪些科學家

查詢語句：

select ?x where {?x<職業><科學家_（從事科學研究的人群）>.?x<畢業院校><武漢大學>.}

答案：

"<郭傳杰> <張貽明> <劉西堯> <石正麗> <王小村>"

該問題的特點是兩個關系的結果求交集

問題:

凱文·杜蘭特得過哪些獎？

查詢語句：

select ?x where { <凱文·杜蘭特> <主要獎項> ?x . }

答案：

"7次全明星（2010-2016）” “5次NBA最佳陣容一陣（2010-2014）” “NBA得分王（2010-2012；2014）” “NBA全明星賽MVP（2012）” "NBA常規賽MVP（2014）"

簡單的一跳問題

問題：

獲得性免疫缺陷綜合征涉及哪些癥狀？

查詢語句：

select ?x where {<獲得性免疫缺陷綜合征><涉及癥狀>?x.}

答案：

"<淋巴結腫大> <HIV感染> <脾腫大> <心力衰竭> <腎源性水腫> <抑郁> <心源性呼吸困難> <低蛋白血癥> <不明原因發熱> <免疫缺陷> <高凝狀態> <右下腹痛伴嘔吐> "

醫學問題都比較長，需要通過ES來搜索實體名稱用于解決一般的實體識別方案的不足

問題：

詹妮弗·安妮斯頓出演了一部1994年上映的美國情景劇，這部美劇共有多少集？

查詢語句：

select ?y where {?x<主演><詹妮弗·安妮斯頓>.?x<上映時間>""1994"".?x<集數>?y.}

答案：

"236"

該問題較為復雜需要用句法分析和問題類型判定來協助查詢生成

實現原理

例如問題是：莫妮卡·貝魯奇的代表作？

第一步：我們將該問題進行命名實體識別（預處理模塊：實體識別），得到名為“莫妮卡·貝魯奇”的實體提及，將該實體提及輸入別名詞典和ES中，得到備選實體名稱；

第二步：將問題輸入我們的問題結構分類模型（預處理模塊：問題分類），得到該問題屬于一跳問實體的問題類型，得知該問題有一個實體槽位和一個關系槽位需要填充（預處理模塊：槽位預測）；

第三步：將第一步中得到的實體通過語義特征和人工特征進行實體消歧，得到真正的實體為<莫妮卡·貝魯奇>（實體分析模塊：實體鏈接）；

第四步：根據第二步中預測的槽位，將實體填充到該查詢語句中得到select ?x where {<莫妮卡·貝魯奇><>?x.}（查詢生成模塊：槽位填充）；

第五步：搜索<莫妮卡·貝魯奇>的所有關系名稱，和原文進行語義匹配并排序，得到關系<代表作品>（查詢生成模塊：路徑排序）；

第六步：將代表作品填入第二步所預測的關系槽位中，得到查詢語句select ?x where {<莫妮卡·貝魯奇><代表作品>?x.}，并轉化為圖數據庫查詢語言（查詢生成模塊：槽位填充）；

第七步：將第六步中得到的查詢語言在圖數據庫中查詢并得到答案，并進行答案校驗（答案驗證模塊：驗證答案的實體類型）。

問題解析模塊：

問題分類：

一個問題所屬的類型有兩個判斷依據：1、鏈式和夾式 2、問題的跳數 3、每一跳問實體還是問關系，例如：

a）一跳問實體類型：

莫妮卡·貝魯奇的代表作？ select ?x where {<莫妮卡·貝魯奇><代表作品>?x.} select ?x where {<><>?x.}

其括號內結構為<主><謂><賓>，得到主語、謂語，問賓語

b）二跳鏈式問實體類型：

發明顯微鏡的人是什么職業？ select ?y where {<顯微鏡><發明人>?x.?x<職業>?y.} select ?y where {<><>?x.?x<>?y.}

其括號內結構為<主1><謂1><賓1><主2><謂2><賓2>，得到主語1、謂語1，匹配中間節點<?x>，再根據中間點的”職業“得到鏈式答案

c）二跳夾式問實體類型：

我們會在哪個民俗節日里猜燈謎？ select ?x where {?x<類別><民俗>.?x<節日活動><猜燈謎>.} select ?x where {?x<><>.?x<><>.}

其括號內結構為<主1><謂1><賓1><主2><謂2><賓2>，得到主語1、謂語1、主語2、謂語2，最終得到賓語1、賓語2。將二者取交集，得到夾式答案

槽位預測：

根據問題的分類，就能夠預測出該問題有幾個語義槽位需要填充

實體鏈接主要使用了語義特征和圖特征：

這里推薦matchzoo用于語義特征建模：

路徑排序主要使用的是一個語義比對方法：

此方法也用在了項目中：

總結

以上是生活随笔為你收集整理的2020ccks知识图谱问答总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。