python+neo4j构建基于知识图谱的电影知识智能问答系统

Author：qyan.li

Date：2022.6.3

Topic：借助于python构建知识图谱的电影知识智能问答系统

Reference：(13条消息) Python创建知识图谱_趋吉避凶的博客-CSDN博客_python知识图谱构建

一、写在前面：

​          ~~~~~~~~         最近，课程设计要求做关于知识图谱的调研工作。调研过程中，在网络上发现诸多同学自行构建知识图谱的相关内容，就考虑自己自行搭建一个。经过调研和基于自己技术的考量，最终还是打算做基于知识图谱的电影知识智能问答系统(主要是数据集比较好构建)。虽然比较简单，但是这个过程中自己也收获不少新知识，对于整个系统框架的了解也更加深入。

二、系统准备：

​          ~~~~~~~~         在智能问答系统构建之前，需要做部分准备工作，主要包含两个方面：

• Neo4j软件安装：

  ​          ~~~~~~~~         知识图谱在构建和使用的过程中，需要借助于Neo4j图数据库进行可视化的管理与操作，因此实现必须配置好，Neo4j配置过程网络教程很多，但博主依旧配置的比较艰辛，下面简单列举几点博主遇到的问题以及相应的解决办法：

  1. 在没有改变JDK版本的情况下，安装任何版本的Neo4j都无法运行：

     参考文献：(6条消息) Neo4j 安装、使用教程_华璃的博客-CSDN博客_neo4j安装教程

  2. 报错的关键在于JDK版本与Neo4j不相匹配，需要更改JDK版本:

     参考文献：(6条消息) 【neo4j 安装问题】You are using an unsupported version of the Java runtime._vxiao_shen_longv的博客-CSDN博客

  3. 安装JDK8版本：

     参考文献：(6条消息) JDK8.0安装及配置_我想rua熊猫的博客-CSDN博客_jdk8.0

     小Tips：

     认真按照教程配置环境变量，不要遗落或改变任何一个变量的配置

• 电影知识数据库构建：

  ​          ~~~~~~~~         电影知识数据库的构建，本质上还是网络爬虫技术的应用，被爬的对象还是我们老熟人：豆瓣250(感觉都快被大家爬烂啦！！！)。爬取的对象为电影的名称，同时带有该电影下主演，导演，上映时间，一句话评价，地区，类型，评价人数，评分八个标签内容，并存取至对应的csv文件中进行保存。

  电影数据集文件部分数据展示：
  

  ​          ~~~~~~~~         爬虫的代码此处不做讲解，完整的代码会放置在最后，数据集文件movieInfo.csv也会放置在其中，大家可自行下载使用。

三、系统构建

​          ~~~~~~~~         软件配置成功，数据集构建完成，接下来就可以进入最激动人心的环节：知识图谱的系统构建。知识图谱构建核心是利用python中的py2neo模块，它可以连接neo4j数据库，借助于python语言完成对neo4j的各种操作。后续的知识图谱的构建和内容的检索均依赖此模块完成。

​          ~~~~~~~~         先放一下此部分的完成代码，方便后续进行讲解：

## 相关模块导入
import pandas as pd
from py2neo import Graph,Node,Relationship

## 连接图形库，配置neo4j
graph = Graph("http://localhost:7474//browser/",auth = ('*****','********'))
# 清空全部数据
graph.delete_all()
# 开启一个新的事务
graph.begin()


## csv源数据读取
storageData = pd.read_csv('./movieInfo.csv',encoding = 'utf-8')
# 获取所有列标签
columnLst = storageData.columns.tolist()
# 获取数据数量
num = len(storageData['title'])

# KnowledgeGraph知识图谱构建(以电影为主体构建的知识图谱)
for i in range(num):
    
    if storageData['title'][i] == '黑客帝国2：重装上阵' or storageData['title'][i] == '黑客帝国3：矩阵革命':
        continue

    # 为每部电影构建属性字典
    dict = {}
    for column in columnLst:
        dict[column] = storageData[column][i]
    # print(dict)
    node1 = Node('movie',name = storageData['title'][i],**dict)
    graph.merge(node1,'movie','name')

    ## 上述代码已经成功构建所有电影的主节点，下面构建所有的分结点以及他们之间的联系
    # 去除所有的title结点
    dict.pop('title')
    ## 分界点以及关系
    for key,value in dict.items():
        ## 建立分结点
        node2 = Node(key,name = value)
        graph.merge(node2,key,'name')
        ## 创建关系
        rel = Relationship(node1,key,node2)
        graph.merge(rel)

针对于代码中几个重要的点进行说明：

• 借助于py2neo连接数据库，graph = Graph("http://localhost:7474//browser/",auth = ('*****','********'))，实际调用过程中将*号换做你的用户名和密码。

  此处新旧版本调用的方式有所不同，参考文献：https://blog.csdn.net/u010785550/article/details/116856031

• 之所以删除黑客帝国2和黑客帝国3是由于二者所属的八个标签中存在未知字符，构建neo4j结点时会报错，因此直接在数据读取阶段剔除。

​          ~~~~~~~~         下面对知识图谱构建中核心部分的代码进行解释说明：由于自己也是初步接触，代码或者讲解存在问题，还请大家批评指正。

​          ~~~~~~~~         知识图谱的构建中两个最重要的板块：结点的构建和结点关系的连接，因此，代码的主体也主要是围绕这两个方向进行，分别利用Node类和Relationship类以及merge函数实现结点创建以及结点间关系的连接。

1. node1 = Node('movie',name = storageData['title'][i],**dict)此代码用于构建以单个结点，node1结点属于movie这种类别，name名称设置为爬取到的电影名称，后面的dict作为结点的附加树形(此处即为每部电影下的八个标签)

   graph.merge(node1,'movie','name')用于将创建的结点插入至知识图谱中，movie为类别

2. node2 = Node(key,name = value)用于为每部电影下的八个属性均创建结点，类别即为类别的column，如time，atcor，director等等，name即为每个标签下的具体内容，此处同样需要借助于merge函数将子节点插入至知识图谱中

3. rel = Relationship(node1,key,node2)借助于Relationship类实现结点间关系的连接，调用形式为Relationship(node1,relationship,node2)建立node1指向node2的relationship关系，此处即建立电影结点指向八个标签的关系，关系即为column内容

   ​          ~~~~~~~~         OK，代码中的主体内容已经构建完成，运行代码，在neo4j的浏览器中即可以看到构建好的知识图谱，如下图：
   

   ---

   ​          ~~~~~~~~         这里算是一条分界线，因为上面代码主要阐述如何借助于py2neo构建电影知识图谱，下面主要讲解如何借助于此知识图谱完成电影内容的检索。

   ​          ~~~~~~~~         老样子，还是先粘贴代码，方便大家参考借鉴：

   # 相关模块导入
   import jieba.posseg as pseg
   import jieba
   from fuzzywuzzy import fuzz
   from py2neo import Graph
   
   ## 建立neo4j对象，便于后续执行cyphere语句
   graph = Graph("http://localhost:7474//browser/",auth = ('neo4j','999272@123xy'))
   
   ## 用户意图的判断
   #设计八类问题的匹配模板
   info = ['这部电影主要讲的是什么？','这部电影的主要内容是什么？','这部电影主要说的什么问题？','这部电影主要讲述的什么内容？']
   director = ['这部电影的导演是谁？','这部电影是谁拍的？']
   actor = ['这部电影是谁主演的？','这部电影的主演都有谁？','这部电影的主演是谁？','这部电影的主角是谁？']
   time = ['这部电影是什么时候播出的？','这部电影是什么时候上映的？']
   country = ['这部电影是那个国家的？','这部电影是哪个地区的？']
   type = ['这部电影的类型是什么？','这是什么类型的电影']
   rate = ['这部电影的评分是多少？','这部电影的评分怎么样？','这部电影的得分是多少分？']
   num = ['这部电影的评价人数是多少？','这部有多少人评价过？']
   # 设计八类问题的回答模板
   infoResponse = '{}这部电影主要讲述{}'
   directorResponse = '{}这部电影的导演为{}'
   actorResponse = '{}这部电影的主演为{}'
   timeResponse = '{}这部电影的上映时间为{}'
   countryResponse = '{}这部电影是{}的'
   typeResponse = '{}这部电影的类型是{}'
   rateResponse = '{}这部电影的评分为{}'
   numResponse = '{}这部电影评价的人数为{}人'
   # 用户意图模板字典
   stencil = {'info':info,'director':director,'actor':actor,'time':time,'country':country,'type':type,'rate':rate,'num':num}
   # 图谱回答模板字典
   responseDict = {'infoResponse':infoResponse,'directorResponse':directorResponse,'actorResponse':actorResponse,'timeResponse':timeResponse,'countryResponse':countryResponse,'typeResponse':typeResponse,'rateResponse':rateResponse,'numResponse':numResponse}
   
   # 由模板匹配程度猜测用户意图
   ## 模糊匹配参考文献：https://blog.csdn.net/Lynqwest/article/details/109806055
   def AssignIntension(text):
       '''
       :param text: 用户输入的待匹配文本
       :return: dict:各种意图的匹配值
       '''
       stencilDegree = {}
       for key,value in stencil.items():
           score = 0
           for item in value:
               degree = fuzz.partial_ratio(text,item)
               score += degree
           stencilDegree[key] = score/len(value)
   
       return stencilDegree
   
   
   ## 问句实体的提取
   ## 结巴分词参考文献：https://blog.csdn.net/smilejiasmile/article/details/80958010
   def getMovieName(text):
       '''
       :param text:用户输入内容 
       :return: 输入内容中的电影名称
       '''
       movieName = ''
       jieba.load_userdict('./selfDefiningTxt.txt')
       words =pseg.cut(text)
       for w in words:
           ## 提取对话中的电影名称
           if w.flag == 'lqy':
               movieName = w.word
       return movieName
   
   
   ## cyphere语句生成，知识图谱查询，返回问句结果
   ## py2neo执行cyphere参考文献：https://blog.csdn.net/qq_38486203/article/details/79826028
   def SearchGraph(movieName,stencilDcit = {}):
       '''
       :param movieName:待查询的电影名称 
       :param stencilDcit: 用户意图匹配程度字典
       :return: 用户意图分类，知识图谱查询结果
       '''
       classification = [k for k,v in stencilDcit.items() if v == max(stencilDcit.values())][0]
       ## python中执行cyphere语句实现查询操作
       cyphere = 'match (n:movie) where n.title = "' + str(movieName) + '" return n.' + str(classification)
       object = graph.run(cyphere)
       for item in object:
           result = item
       return classification,result
   
   ## 根据问题模板回答问题
   def respondQuery(movieName,classification,item):
       '''
       :param movieName: 电影名称
       :param classification: 用户意图类别
       :param item:知识图谱查询结果 
       :return:none 
       '''
       query = classification + 'Response'
       response = [v for k,v in responseDict.items() if k == query][0]
       print(response.format(movieName,item))
   
   def main():
       queryText = '肖申克的救赎这部电影的导演是谁？'
       movieName = getMovieName(queryText)
       dict = AssignIntension(queryText)
       classification,result = SearchGraph(movieName,dict)
       respondQuery(movieName,classification,result)
   
   if __name__ == '__main__':
       main()
   

   ​          ~~~~~~~~         首先针对上述系统进行说明：该项目中构建的电影知识智能问答系统仅能回答八个方面的问题，分别对应电影结点构建时每个电影下所对应的8个标签，分别为actor(主演)，director(导演)，time(上映时间)，country(上映国家)，type(电影类型)，num(评价人数)，rate(电影评分)，content(一句话评价)。

   ​ 问答系统构建的整体思路：

   • 将用户输入与预设问题模板匹配，判断用户询问问题类别(属于上述八种中的哪一种)

   • 对用户输入内容进行理解，提取语句的实体内容(本例中为提取电影的name)

   • 结合问题类别和电影名称构建cyphere查询语句，调用知识图谱返回查询的结果

   • 将返回的查询结果匹配至相应的回复语句，输出完成电影知识问答的整个过程

     下面针对于智能问题系统的四个步骤分别进行讲解，说明实现的步骤以及主要代码：

     1. 用户意图匹配：

     ​          ~~~~~~~~         本部分思想较为简单，主要借助于python的模糊匹配库，将用户输入的语句和事先构建的类别列表中的每句话进行匹配，获得匹配值后计算平均值，并存入字典中，最终取出字典中匹配程度最高的类别即为用户意图。

     AssignIntension()函数即事先对应的功能，接收用户输入，返回匹配列表

     2. 内容实体提取：

     ​          ~~~~~~~~         内容实体提取的在本项目中主要负责提取用户问题中的电影名称，这是我们后续处理的关键与核心。

     ​          ~~~~~~~~         电影名称包含在用户输入中，所以提取电影名称首先想到的便是借助于中文分词实现语句分别，然后将电影名称的字段提取出即可，但由于电影名称的多样性和复杂性，结巴分词可能会将电影名称分开，同时也不方便确认哪个字段属于电影名称。

     ​          ~~~~~~~~         因此，简单的分词无法完成上述任务，我们需要借助于结巴分词的自定义词典功能。结巴分词支持自定义词典导入，在分词时，你自定义的这些词汇就会被认作一个词语进行保留，而不会出现上述电影名称被分开的情况。自定义词典以及构建的函数也会放在结尾的文件夹中，大家可自行参考借鉴。

     代码jieba.load_userdict('./selfDefiningTxt.txt')完成自定义词典的导入。

     ​          ~~~~~~~~         OK，电影名称被成功保留，但是我们如何确认哪个字段是电影名称呢？结巴分词提供词性标注，自定义词典同样支持，我们仅需在电影名称后添加特殊字段作为电影名称词语的词性(本例中使用lqy，自己姓名的缩写)，在分离时提取词性为lqy的词语即可以获得电影名称。

     if w.flag == 'lqy':
         movieName = w.word
     

              ~~~~~~~~         分词后的每一个词语都具有word和flag两个属性，分别存储词语内容和词性

     参考文献：(6条消息) jieba结巴分词加入自定义词典_Am最温柔的博客-CSDN博客_jieba自定义词典

     3.cyphere语句查询：

     ​          ~~~~~~~~         按照自己的理解，neo4j与mysql类似，都有自己官方的查询语言，cyphere就是neo4j的官方查询语言，cyphere作为一门单独的语言，如果需要复杂的应用，是需要花费精力单独进行查询，此处不会对cyphere的语法进行详细的讲解，需要的同学可以移步其他博文进行语法的学习，此处仅应用cyphere中最简单的查询语句：

     # 查询肖申克的救赎的上映时间
     match (n:movie) where n.title = '肖申克的救赎' return n.time
     

     ​          ~~~~~~~~         因此，借助于上文获取的电影名称和用户意图类别即可以构建cyphere语句输入至知识图谱中进行查询，返回目标结果。

     cyphere = 'match (n:movie) where n.title = "' + str(movieName) + '" return n.' + str(classification)

     ​          ~~~~~~~~         上述代码即完成cyphere语句构建的任务，而后借助于py2neo运行查询语句即可以获得目标返回的内容。

     4. 回复语句匹配：

              ~~~~~~~~         在知识图谱中查询到目标的结果后，即可以将查询结果和电影名称代入回复模板中，

              ~~~~~~~~         回复的模板共有八个，需要代入和用户意图相匹配的回复模板中，输出即可完成智能问答系统的问答功能。

四、总结反思：

​          ~~~~~~~~         本项目借助于python语言构建一个最简单的知识图谱的智能问答系统，麻雀虽小，但五脏俱全，通过此项目，我们可以基本了解构建知识图谱问答系统的基本过程，但项目存在的问题也比较多，改进的空间也比较大：

• 数据集的处理简单粗暴，例如黑客帝国等不符合要求，难以处理的数据直接剔除，这在完善的项目构建中是万万不可取的

• 由于cyphere语句语法的陌生，知识图谱的作用没有被高效的利用，细心的读者会发现项目中内哦内容的检索仅仅只利用Node下的属性字典中的8个属性，而并没有应用relationship，而relationship个人认为才是知识图谱最核心的竞争力，但是这需要更加高阶的cyphere句法，这也是未来改进和和提高的重点

五、完整代码：

         ~~~~~~~~         考虑到部分同学github不流畅，故提供百度网盘链接，后续也会把github链接放上来：

链接：https://pan.baidu.com/s/1E9-BQUAlfi05dyDgNxK9bQ
提取码：dbo9

         ~~~~~~~~         Github链接：

https://github.com/booue/Movie-Knowledge-QS-system-using-KnowledgeGraph

---

​          ~~~~~~~~         终于写完啦！！！初次接触知识图谱，若有不当之处，欢迎批评指正。