基于ElasticSearch的问答系统(KBQA)

  在上一篇博客中，我们已经大概了解了KBQA的概念，也大概知道KBQA的流程，但是针对上篇博客提出的问题，修改数据，如何更简单的做到而对问答系统的影响效果最小呢？这里我就换成另一种方式，直接使用ElasticSearch来替换TDB存放数据。下图是与上文实现一样效果的demo:

1. ElasticSearch
  Elasticsearch是一个分布式可扩展的实时搜索和分析引擎，一个建立在全文搜索引擎Apache Lucene™ 基础上的搜索引擎。但是Elasticsearch并不仅仅是Lucene那么简单，它不仅包括了全文搜索功能，还可以进行下面的工作：
  1.分布式实时文件存储，并将每一个字段都编入索引，使其可以被搜索。
  2.实时分析的分布式搜索引擎。
  3.可以扩展到上百台服务器，处理PB级别的结构化或非结构化数据。

  ElasticSearch安装使用比较简单，可以根据官方文档Elasticsearch Reference自己安装与学习。
  这里重点需要提出的是，ElasticSearch 中处理分词的部分被称作分词器，它决定了分词的规则，默认是Standard，即将中文分为单个的字，如“我爱北京天安门“就会被分为“我/爱/北/京/天/安/门”，明显不符合我们的要求“我/爱/北京/天安门”，所以这个时候就需要我们自己制定分词器，实现分词规则，最常见的为ik分词器。
  根据不同的功能，可能大家需要不同的ElasticSearch插件，大家可以在ES官网下载，但必须注意的是，插件需要与ElasticSearch版本对应，否则无法使用。如果有哪些看官不知道如何使用ES，稍后我会在后面的继续贴上博客。

2. 实例分析

• 数据准备
    数据我们依然使用上一篇博客的数据，这里需要注意的是，将数据插入到ElasticSearch的时候，必须指定分词器和分词方式，否则功能无法实现。如何使用ElasticSearch，后续我会慢慢写出来。这里我主要分为四个字段插入：name(诗词名)、author(作者)、dynasty(朝代)、content(内容)，分词分别为：ik_smart、ik_max_word、ik_smart、ik_smart。数据插入完成后，可以使用head插件查看，如下图所示：

• 数据查询
    数据插入完成后，我们就可以直接查询数据库了，ElasticSearch使用的是相似度查询，所以很大程度上减轻了我们的搜索任务，我们可以通过head插件直接在浏览器上进行搜索，十分方便，如下图所示：

  同样的，Python也提供了一个第三方库：elasticsearch。可以让我们直接进行数据搜索。

	from elasticsearch import Elasticsearch
	
	values = []
	es = Elasticsearch(hosts=['192.168.1.118'], timeout=50000)	# 数据库IP