基于知识图谱的问答系统

步骤

1. 理解问题并将问题结构化表示
   用户问题：自然语言
   知识图谱的领域知识：结构化的三元组
   需要：自然语言->领域知识，建立用户查询和知识图谱中领域知识的匹配关系
   解决：将自然语言描述的问题结构化表示
   解决方案：自然语言解析器Stanford Parser，Stanford CoreNLP
2. 问题扩展并过滤
   用户问题：用户处于不同的领域，对于问题的理解不同。如，果农询问的“苹果多少钱？”与手机卖场人员询问的“苹果多少钱？”，两个都是“苹果”，但是意义相差巨大。
   解决：查询扩展，扩展结果过滤
   解决方案：基于WordNet和Microsoft Concept Graph对结构表示中的概念进行不同语义角度的扩展，基于相似度计算方法Word2Vec和UMBC对扩展结果进行过滤。
3. 问题与领域知识匹配，并验证结果
   

关键点

问题理解

需求：将用户的查询转化为一种结构化的表示
表示方法：