实践篇（5）：基于REfO的简单知识问答-CSDN博客

本文链接：https://blog.csdn.net/u012052268/article/details/89553501

本文介绍了如何将基于REfO的KBQA系统应用于自建知识图谱，详细阐述了代码结构和实现原理，包括利用jieba进行分词、通过规则匹配转换为SPARQL查询以及与Jena Fuseki服务器的交互过程。

摘要由CSDN通过智能技术生成

本文主要参考SimmerChan大神文章：https://zhuanlan.zhihu.com/p/33224431
Pelhans 大神的博客：http://pelhans.com/2018/09/03/kg_from_0_note3/

1 简介

基于浙江大学在openKG上提供的基于REfO的KBQA实现及示例。代码部分浙大方面已经完成绝大部分，这里主要将其应用到自己的知识图谱上。在运行KBQA代码前，应按照前面的教程将电影类知识图谱导入到Jena的TDB数据库中，并运行fuseki服务器，这样我们才能进行访问查询。

1.1代码结构

 jena_sparql_endpoint.py
        query_main.py
        question2sparql.py
        question_temp.py
        word_tagging.py
        external_dict/
            csv2txt.py
            movie_title.csv
            movie_title.txt
            person_name.csv
            person_name.txt
            __init__.py

"KB_query"文件夹包含的是完成整个问答demo流程所需要的脚本。
"external_dict"包含的是人名和电影名两个外部词典。csv文件是从mysql-workbench导出的，按照jieba外部词典的格式，我们将csv转为对应的txt。
“word_tagging”，定义Word类的结构（即我们在REfO中使用的对象）；定义"Tagger"类来初始化词典，并实现自然语言到Word对象的方法。
“jena_sparql_endpoint”，用于完成与Fuseki的交互。
“question2sparql”，将自然语言转为对应的SPARQL查询。
“question_temp”&#x