基于知识图谱的问答系统Demo

简介

基于知识图谱的问答系统，即KBQA。其中一个简单的实现方法是根据用户输入的自然语言问句，转化为图数据库中的关系查询，最终将数据库中的实体及关系呈现给用户。

下面给出了一个KBQA的Demo。

实现依赖

• Python 3.6+
• Apache Jena Fuseki
• SPARQLWrapper
• refo
• jiaba

实例数据

此知识图谱的主题为COVID-2019的知识查询。三元组数据来自OpenKG的新冠数据集。

实现流程

1. 数据提取：下载OpenKG提供的json-ld数据，通过脚本将json-ld数据转化为RDF格式的数据，RDF数据已经上传至本实例中，用户可以直接使用。
2. 数据存储：采用Apache Jena Fuseki，Apache Jena Fuseki是一个SPARQL服务，支持多种操作系统。可以存储RDF数据，并通过SPARQL查询语句查询数据库中的关系。这里将上面给出的RDF数据导入至Jena中。
3. 规则编写：Python编写数据库查询语句与规则。规则采用refo，可以直接从Python中下载该包，这一步是自然语言转为结构化的规则的关键。
4. 数据查询：通过refo生成的SPARQL查询语句传递到Jena中便可以查到相关的实体关系了，最终反馈给用户。

需要注意的是此代码实现仓促，编写的规则内容较少，没有对输出进行规范表示。

代码

https://github.com/xyjigsaw/COVID19-KBQA-DEMO

项目中包含了数据和代码，数据需要自己导入到Jena中。为了简便系统，这里没有给出前端代码。

前端代码如顶部图片所示。

参考

1. https://blog.csdn.net/keyue123/article/details/85266355