基于三元组知识图谱的简易问答系统

基于三元组知识图谱的简易问答系统

最近实现了一个基于三元组知识图谱的简易问答系统。关于这个，我还写了一篇有趣的博文 准备考试？python也能帮你划重点，上考场（误）

效果示例：

问：谁复辟了帝制？
答：袁世凯
问：清政府签订了哪些条约？
答：清政府签订了北京条约、天津条约。
问：孙中山干了哪些事？
答：他就任临时大总统、发动护法运动、让位于袁世凯。
问：孙中山做出了哪些贡献？
答：他的贡献包括：就任临时大总统、发动护法运动。

下面整理一下我的搭建思路：

为了设计问答系统，我逐步解决了三个问题：问了什么？答案是什么？怎么回答？

问了什么？【问句解析】

基于知识图谱的问答系统很难直接回答自然文本状态的问题，所以我们要把问题转化为一定的结构。一个很好的选择就是三元组：

RDF是知识图谱的一种常见表示形式，以（subject, predicate, object）的三元组形式就足以表示实体之间的许多复杂联系。如：

• [‘清政府’, ‘签订’, ‘天津条约’]
• [‘袁世凯’, ‘复辟’, ‘帝制’]
• [‘孙中山’, ‘就任’, ‘临时大总统’]

下图是从《中国近现代史纲要》的部分文本中提取的知识图谱的示意图。

问句可以看做残缺的三元组，提问的部分就是三元组中缺失的部分。问句中有些部分的具体内容在已经包含，可以作为已知条件。而有些部分未知，是作为“谁”，“什么”这样的问词形式存在的，这些部分就替换为查询变量。
例如："清政府干了些什么？"可以看成(清政府,?x,?y)的三元组。

答案是什么？【查询模板】

要从知识图谱中提取答案，需要有对应的查询语句——SPARQL，它的形式接近SQL。例如"清政府干了些什么？"，即(清政府,?x,?y)，就可以翻译成下面的SPARQL。:

SELECT ?x ?y
WHERE {
清政府 ?x ?y
}

这句话能够查找所有首元素为“清政府”的三元组，并提取出其中的后两个元素。结果大致是[("签订","天津条约"), ("兴办","洋务"),...]

上一个问句主语已知，需要查询谓词和宾语。根据主谓宾不同的已知情况，我们需要分别处理，替换三元组的对应部分为已知或查询变量。开头的示例就包括了(清政府,签订,?x), (?x,复辟,帝制)等。

（简化起见，上例省略了命名空间）有关RDF、SPARQL等概念的教程，这个网站上有不错的资料：https://www.cambridgesemantics.com/blog/semantic-university/

怎么回答？【回答句式】

虽然上面都使用了三元组结构，但是为了用户体验，回答问题依然希望能够使用自然语言。这就需要指定答案以及可以利用的原问句已知条件，套用一定的句式翻译成自然语言。

上例中：问句中的已知条件为"清政府",答案比如有(“签订”,“天津条约”)，那回答就可以是“清政府签订天津条约。”

首先由问句的主谓宾解析结果得到候选的问题模板集，它们会限制回答句式。比如仅仅解析结果(清政府,?x,?y),一般不会对应"清政府签订了xxx？"这个同时知道了主语和谓词签订的问题，在回答模板中也就不应该预先出现签订这个词。

确定了候选的问题模板集，然后就可以利用原始问句，从中找到语义最接近的具体模板（通过最小编辑距离）。再对于具体的问题模板，人工设定对应的具体回答方式，就能够保证回答与问题在语义上的协调性。

• 首先，从问题中涉及到的具体实体类型，我们就能够极大地确定问题的语义范围。比如模板#机构名#签订了哪些条约？ (#机构名#,签订,?x)，就能够匹配到包括清政府在内的各种机构的签约情况，而个人则会被排除在外。harvesttext里有很方便的工具能够指定和链接实体类型。实体类型也应当限制回答的方式，比如对于#人名#，在回答中用"他/她"干了什么来开头更加自然，而对于#机构名#，我们则可以在回答中重复机构名。

• 另外，问题中的一些措辞也会体现一定的倾向性或者意图，可以通过模板针对性地进行调整。比如模板#人名#作出了哪些贡献？ (#人名#,?x,?y)，中包含的贡献一词，尽管不在解析结果中，但它指示我们寻找正面的结果。比如我们询问(孙中山,?x,?y)，对于模板#人名#作了哪些事情？，我们能够匹配到[(发动,护国运动),(让,位于袁世凯)]，前者为积极而后者为消极，而对于#人名#作出了哪些贡献？我们就应当只返回前者。

流程图

综合以上三个步骤，梳理流程图如下：

python实现的具体源码可以见：https://github.com/blmoistawinde/hello_world/blob/master/python近代史纲要/naiveKGQA.py

其中主函数QA的代码实现与这一流程图基本一致。