本文主要通过python实例讲解基于RDF和SPARQL的KBQA系统的构建。该项目可在python2和python3上运行通过。
注:KBQA即是我们通常所说的基于知识图谱的问答系统。这里简单构建的EasyKBQA,数据来源于网络,源码地址看下面补充说明。
目录:
流程原理:
该问答系统可以解析输入的自然语言问句,主要运用REFO库的"对象正则表达式"匹配得到结果, 进而生成对应 SPARQL 查询语句,再通过API请求后台基于TDB知识谱图数据库的 Apache Jena Fuseki 服务, 得到结果。
实际过程:
1. 预定义 3 类共 5 个示例问题,包括:
● "谁是苑茵?",
● "丁洪奎是谁?",
● "苏进木来自哪里?",
● "苑茵哪个族的?",
● "苑茵是什么民族的人?".
2. 利用结巴分词对中文句子进行分词, 同时进行词性标注;
3. 将词的文本和词性打包, 视为"词对象",对应 :class:Word(token, pos);
4. 利用 REfO 模块对词进行对象级别 (object-level) 的正则匹配,判断问题属于的种类并产生对应的 SPARQL,对应 :class:Rule(condition, action);
5. 如果成功匹配并成功产生 SPARQL 查询语句, 立刻请求 Fuseki 服务并返回结果,打印相关内容;
程序运行:
1、配置第三方