简单构建基于RDF和SPARQL的KBQA（知识图谱问答系统）

本文主要通过python实例讲解基于RDF和SPARQL的KBQA系统的构建。该项目可在python2和python3上运行通过。

注：KBQA即是我们通常所说的基于知识图谱的问答系统。这里简单构建的EasyKBQA，数据来源于网络，源码地址看下面补充说明。

 

流程原理：

该问答系统可以解析输入的自然语言问句，主要运用REFO库的"对象正则表达式"匹配得到结果, 进而生成对应 SPARQL 查询语句，再通过API请求后台基于TDB知识谱图数据库的 Apache Jena Fuseki 服务, 得到结果。

实际过程：

1. 预定义 3 ​类共 5 ​个示例问题，​包括：
　　● "谁是苑茵?",
　　● "丁洪奎是谁?",
　　● "苏进木来自哪里?",
　　● "苑茵哪个族的?",
　　● "苑茵是什么民族的人?".
2. 利用结巴分词对中文句子进行分词, ​同时进行词性标注；
3. 将词的文本和词性打包, ​视为"词对象"，对应 :class:Word(token,​ ​pos)​；
4. 利用 REfO ​模块对词进行对象级别 (object-level) ​的正则匹配，判断问题属于的​种类​并产生对应的 SPARQL，对应 :class:Rule(condition,​ ​action)​；
5. 如果成功匹配并成功产生 SPARQL ​查询语句, ​立刻请求 Fuseki ​服务并返回结果，打印相关内容；

程序运行：

1、配置第三方库：pip install refo jieba sparqlwrapper

2、安装JAVA JDK1.8，配置好环境变量。

3、项目根目录主要包括backend​​文件夹和test.py文件（同一级），backend是Jena​的Fuseki 模块，​运行第4步后在本地监听(http://localhost:3030/)，如图：

4、cd backend/apache-jena-fuseki-3.5.0，windows下启动SPARQL endpoint服务：

fuseki-server.bat --loc=../DB /demo > log.txt 2>&1

对应Linux命令为：

nohup ./fuseki-server --loc=../DB /demo > log.txt 2>&1 &

5、运行根目录代码：python test.py，结果如下图：

 

补充说明：

1、启动fuseki服务器参数，--loc=../DB设置在线服务数据库位置，参数/demo设置服务器数据集名称（自定义），对应的SPARQL查询地址为：http://localhost:3030/demo/query

2、自然语言问句进行正则匹配的逻辑REfO. ​主要参考根目录下的代码:words.py

3、后续改进可参考: 使用邻接链表表示自然语言问句, 通过遍历有向图或子图匹配方法构造 SPAPQL ​查询语句

代码下载地址：https://download.csdn.net/download/starbaby01/10621927