图书知识图谱的设计与实现

---

前言

知识图谱，最早起源于Google Knowledge Graph，从最开始的Google搜索，到现在的聊天机器人、推荐系统、智能医疗、大数据风控、证券投资，都有知识图谱的身影。最近导师安排我复现一篇基于知识图谱和NLP的图书问答系统，以下浅浅的说一下这几天所学的内容和碰到的问题。

---

一、知识图谱是什么？

知识图谱是由实体节点和关系边组成的图的形式，这种图的形式可以将现实中不同类型的事物连接在一起。知识图谱的实体(entity)是节点，边(edge)是两个节点中间的有向连线，代表着实体之间的关系(relation)。知识图谱的基本组成单位是三元组，使用<头实体(head)，关系(relation)，尾实体(tail)>的结构来描述事实，构建成复杂的网络。下面就是图书领域的一个局部知识图谱。

除了实体和关系这种三元组形式，知识图谱中的每个实体还存在着属性。实体与属性的三元组结构是<实体，属性，属性值>，比如，“三体这本书的类型是小说”中“三体”是实体，“类型”是属性，“小说”是属性值，可以存储到<三体，类型，小说>中。

二、图书知识图谱问答系统实现的两大主要模块

1.知识图谱构建模块

构建图书知识图谱，我们主要需要考虑三个方面，数据获取，数据处理，以及数据存储。

最初的想法是去各大图书网站上，通过爬虫手段爬取相关数据。因为从图书网站爬取获得的数据中包含一些非格式化、杂乱的数据。所以需要对数据获取部分得到的初始数据进行数据清洗，使其变成格式化数据。并且对获取的这些数据进行分析和设计，抽取实体、关系和属性的知识三元组。最后用图数据库Neo4j进行存储。
由于笔者才疏学浅，爬虫技术和数据分析和清洗等技术是另外一门手艺，这里我就暂时不考虑这两个方面，而是直接从相关渠道直接下载一些处理好的数据集，并将其导如Neo4j中。

上图是Neo4j的界面。由于我只找到了电影方面的相关数据，但是为了体验一下强大的Neo4j的功能，就将电影数据导入里面玩了玩。至于后续图书数据的问题，要是最后还没找到的话，笔者就打算自己人工生产百来个图书信息。

2.基于模板方法的问答模块

基于模板方法的问答模块的实现，也需要考虑三个方面，分别是实体识别、文本分类和答案获取。具体框架如下：

（1）实体识别模块：这个模块是对用户的问句进行实体识别操作，采用Aho-Corasick自动机算法对用户输入的问句匹配图书实体词典中的实体词，图书实体词典即构建知识图谱时数据存储模块导出的图书实体的txt文件，通过实体识别操作即可从用户的问句中获得相关图书实体
（2）文本分类模块：这个模块对用户的问句进行文本分类，也就是对用户输入的问题进行意图识别，即获取用户是要获得某本书的作者，还是某本书的出版日期，或者是某作者写的书等意图。本模块采用可以进行文本分类操作的深度学习模型，通过标注后的数据进行训练，使得模型能够获得意图识别功能。系统从用户问句中获得意图后，将识别到的意图转化为图数据库中存在的关系类型。
（3）答案获取模块：将用户问句从实体识别模块得到的实体，和意图识别模块得到的关系封装成字典，将字典转化为Cypher语句到Neo4j数据库中进行查询，得到实体的名字属性加入到经过提前设置好的回答模板中，从而获得了用户所需的答案。

该问答模块的设计，笔者目前只是浅浅地学习了一下上面的设计流程，还没有进行实际操作。

---

三、碰到的小问题

在写代码的过程中，因为要导入一个包pandas，由于解释器python3.7没有这个包，所以我就尝试在这里面搜索并下载导入

但是接下来它提示error

于是我就在终端控制台上尝试用镜像网站导入这个包，最后还是失败了

最后一行提示让我更新pip，我照做了，但也没能成功更新

我在网上也看到过类似的问题，于是我便按照他们的解决方案操作，令人悲哀的是，依旧失败了，所以我很崩溃，希望有友友们能帮我解决一下。

总结

以上就是这几天所学习的内容，经过这几天的学习，对知识图谱也有一定的认识，并且也了解了一下Neo4j的一些操作。