基于知识图谱的菜谱问答系统——需求分析

1.项目背景

近年来,人机对话系统作为人工智能的一个重要领域,得到了许多关注和发展。传统信息检索技术已经不能满足人们对信息获取效率的要求,智能问答系统应运而生,并成为自然语言处理领域一个非常重要的研究热点。
知识图谱（Knowledge Graph）于2012年5月17日被Google正式提出，其初衷是为了提高搜索引擎的能力，增强用户的搜索质量以及搜索体验。知识图谱是一种结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体 关系 实体”三元组，以及实体及其相关属性值对，实体间通过关系相互联结构成网状知识结构。
随着知识图谱的不断发展,越来越多的知识图谱出现在人们视野当中,这些知识图谱在各个领域中得到广泛应用,能够作为智能问答的高质量数据源。知识图谱用于智能问答领域主要有两个方面:一方面,问答系统可以直接从知识图谱中检索答案;另一方面，知识图谱能够给智能问答系统提供外部信息,从而提高问答系统的性能,这两个方面都是研究的热点。

2.项目需求

采用知识图谱组织机器人的知识库，并对用户输入进行推理、关联，实现对用户意图的准确理解，检索菜谱领域知识库并生成答案。

抽象用例：

需求中的动词短语： 组织机器人知识库、理解用户输入、检索知识库、生成答案
用例分析：

• 组织机器人知识库：
  • 起始用户：用户输入菜谱数据
  • 终止用户：知识图谱模块组织形成知识图谱新内容
  • 是否完成有效任务：用户获得知识图谱内容
  • 是否是业务流程：是
• 理解用户输入并生成答案：
  • 起始用户：菜谱系统用户输入问题
  • 终止用户：菜谱系统用户获得答案输出
  • 是否完成有效任务：菜谱系统用户获得所提问题答案
  • 是否是业务流程：是
• 检索知识库:
  • 起始用户：问答模块发出检索请求
  • 终止用户：问答模块获得检索信息
  • 是否完成有效任务：问答模块成功检索到信息
  • 是否是业务流程：否

综上所述，项目用例：组织机器人知识库、理解用户输入并生成答案。

高层用例：

• 组织机器人知识库（问答）：用例的开始状态是用户向知识图谱模块输入菜谱数据，结束状态是知识图谱模块分析组织获得新的知识图谱内容。
• 回答菜谱相关问题（知识图谱构建）：用例的开始状态是用户向问答模块输入问句，结束状态是用户获得从问答系统返回的问题。

用例图

扩展用例：

构建知识图谱：

用户	系统
-	展示构建知识图谱GUI
TUCBW输入菜谱数据	显示用户数据成功输入
选择生成知识图谱按钮	显示正在生成知识图谱
-	显示新的知识图谱内容已形成
TUCEW获得图谱形成信息	-

问答：

用户	系统
-	展示问答系统GUI
TUCBW输入菜谱相关问题	显示用户输入问题成功及所输入问题
-	显示用户输入的问题的回答
TUCEW获得系统返回的答案	-

数据模型：

本项目使用Neo4j图数据库来组织构建系统的数据模型，采用经典的知识图谱三元组模型：实体–关系–实体结构。

具体数据模型结构设计表：

//
//

项目流程图：