基于知识图谱的子图检索——KBQA的一种实现

基于知识图谱的子图检索——KBQA的一种实现

本文是对论文《Answering Natural Language Questions by Subgraph Matching over Knowledge Graphs》的一些个人解读，如有错误，多谢指正。

介绍

• KBQA

  即基于知识图谱的问答系统，一般的实现为：

  1. 将已有的知识转化为结构化的数据，一般为RDF格式的数据，即三元组<subject, predicate, object>, 形成知识图谱，如下图：
     
  2. 将需要理解的query转化为SPARQL语言，使用SPARQL语言来检索知识图谱，SPARQL使用起来类似于sql语言，但是更加复杂，这里不对其做过多讲解。如下图：
     

那么这里就有两个和很明显的问题需要解决：

1. 如何将query转化为SPARQL？
2. 转化后的SPARQL检索出多个结果后，哪个才是最好的？

对于第二个问题很好解决，取匹配度最高的即可，所以此篇论文讨论的重点套路的问题在于第一个问题。
从query到SPARQL的过程，涉及到了query理解，就很容易出现歧义问题，主要包含两个方面：

1. 短语链接，如何将query中不同的短语链接到正确的实体/关系/属性上
2. 组合问题，提取出的实体/关系/属性，不同的组合方式，会产生不同的理解，这就是歧义问题。

正是因为歧义问题的存在，所以大多数的query到SPARQL的实现，是采用模板匹配的方式，事先写好不同query的模板和SPQRQL，用来匹配用于话术，但是这一工作是很繁琐的。
因此，这篇论文提出了子图检索的方法，来实现知识图谱的检索见下图：

这种方法不需要事先建立模板，首先通过语义依存关系建立query图，然后将query图到图谱中的图中去检索，来找到最佳的匹配，即是答案。同时解决了歧义问题和评分问题，本方法对复杂问题分析非常有效。

方法

对于query图的建立，论文提出了两种方法：

1. 关系优先方法
2. 节点优先方法

关系优先方法（Relation-First FRAMEWORK，RFF）

离线工作：

建立关系词典，即关系-关系指称的词典，类似于：

其实就是一个大词典

在线工作：

- 建立关系语法图（Semantic Query Graph）

首先通过Stanford Parser 构建query的依存关系树Y

因为已经建立了关系词典，所以在语法树Y中的每一个节点（词）wi，找到包含wi的关系指称，然后使用深度优先遍历，遍历Y中所有以wi为根的子树，如果该子树和关系指称词典中的所有的字都匹配，即认为找到了一个关系指称。

找到关系指称后，就需要寻找与该关系对应的主语和宾语，论文根据统计分析，基于依存关系树中边的词性，统计出了subject-like边和object-like边：

然后分析关系指称与句法依存树，若在依存子树y中有点w是可以被匹配为类/实体，则认为这个w是关系指称的一个主语；否则，观察w与它的子节点中，是否被 subject-like 的边相连，若是的话，这个子节点就是这个关系指称的主语。同理，若 w 与子节点被 object-like 的边相连，那么关系指称的宾语就是这个子节点。如果经过这种规则处理，找不到对应的主语/宾语，那么就需要应用一些高阶规则。如下图：

已知的关系指称为“budget of”与“direct by”，由于“file”是匹配于实体或类，且“of”与子节点“film”之间以object-like的边pobj相连，所以“film”是关系指称“budget of”的宾语。此外，虽然“is”与“budget”由subject-like的边相连，但是“is”并不是一个可以匹配到实体/类的节点，所以“is”不是“budget of”的主语。根据前面所述，与“budget of”最相近的wh-词是“what”，那么它就是“budget of”的主语。

- 子图检索

通过上面的步骤，即得到了query图 Qs，然后通过Qs到知识图谱的图中去匹配就完事了。
Qs中每一条边都有匹配的候选谓词，每一个节点都有对应的候选实体，通过已经建立的词典，可以得到匹配的分数，全部匹配完成后，取分数最高的即可。

节点优先方法

离线工作：

建立节点词典

在线工作：

节点的识别

通过已经建立的节点词典，在query中识别节点，节点的识别很简单，trie树，或者AC自动机，都可以。

比如对于例句“What is thebudget of the film directed by Paul Anderson and starred by a Chinese actor?”可以识别出“what”、“film”、“Paul Anderson”、“Chinese”、“actor”

关系的填充（即节点的组合）

有了节点之后，一对节点之间肯定有不同的路径相连，所以这里形成的图是一个超级语义查询图Qu（super semantic query graph），而 Qs 是其一个子图，虽然也是通过依存关系来建立这个图，但是这个图比RFF鲁棒性更高。

在依存关系图中，如果两个节点之间有边相连并且没有其他节点，则这两个节点之间的边就被认为是关系

如上图：点“film”与点“Paul Anderson”、“actor”之间都没有其余节点存在，所以“film”与“Paul Anderson”存在关系，关系指称为“directed by”；“film”与“actor”存在关系，关系指称为“directedstarred by”，由此得到了节点间的关系指称。当两个节点之间的指称没有label时，如“Chinese”和“actor”，那么若两个节点都为实体/类，那么在知识图谱中将这两个节点间的关系填入；若其中一个节点为通配符，则在知识图谱中定位另外一个节点，取与其连接频数最高的那些谓词作为候选关系填入。

子图检索

有了Qu，Qu中包含所有的节点，而不同的节点组合，即出现了不同的Qs，将Qs与图谱去匹配，寻找最优匹配。可以采用动态规划的方法。

首先，选择候选集最小的节点作为开始节点，然后将Qu中与该节点相连的边加入形成Q，判断Q是否能够和图谱匹配，如果匹配，则继续加入边和节点，如果不匹配，则删掉这个边进行回溯，直到 Q 是 Qu 的包含了 Qu 所有节点的子图，则找到了一个查询子图。

实验

CFF比RFF要好，而且总体效果也还不错，此处不再赘述。具体实验结果可以参看参考文档2

参考文档

1. 《Answering Natural Language Questions by Subgraph Matching over Knowledge Graphs》
2. https://blog.csdn.net/TgqDT3gGaMdkHasLZv/article/details/80823385