基于知识图谱的问答系统3【代码学习系列】【知识图谱】【问答系统】

1 代码来源

本代码来源于github项目地址，项目使用python实现一个简单的基于知识图谱的电影问答系统，相关搭建过程见博客300行python代码从零开始构建基于知识图谱的电影问答系统-目录：。这里通过横向比较基于知识图谱的问答系统1和基于知识图谱的问答系统2，来分析说明不同之处。本项目的与前两个项目在实体提取和意图预测方面存在不同之处。前面两个项目的实体提取通过AC树匹配实现，本项目则直接通过jieba分词中的词性分类来实现，意图预测部分，本项目与基于知识图谱的问答系统2](https://blog.csdn.net/weixin_44023339/article/details/100012074)相同，都是采用基于Tfidf特征的朴素贝叶斯来实现的，但本项目给出了朴素贝叶斯的训练过程。

2 基于jieba的实体提取

jieba不仅可以分词，还可以对词性进行标注，具体可参见jieba分词词性说明。项目基于知识图谱实体类别与名称构建字典，然后加载到jieba中，实现输入语句相关实体的提取。

(1)字典内容

用户字典每行一个词，格式为：
词语 词频 词性
其中词频是一个数字，词性为自定义的词性，要注意的是词频数字和空格都要是半角的。

// userdict.txt
英雄 15 nm
袁咏仪 15 nr
战争 15 ng

字典加载方式为

// 字典加载
import jieba
jieba.load_userdict("./userdict.txt")

由于nr在jieba中的原有词性也是人名，因此随便问一个人名主演的电影，程序都会产生知识图谱的查询操作，但会返回没有结果，因此可以把字典中的nr、ng改为其他非已有词性，提高程序效率。
但从后面的意图分类训练来看，演员是用nnt表示，因此项目在此方面存在不一致，统一同nnt表示演员是合适的，不会与已有的词性混淆，ng表示类型，nm表示电影。

(2)实体提取

jieba通过jieba.posseg进行词性标注。

// 字典加载
from jieba import posseg
# raw_question="刘德华主演了什么电影？"
clean_question = re.sub("[\s+\.\!\/_,$%^*(+\"\')]+|[+——()?【】“”！，。？、~@#￥%……&*（）]+","",raw_question)
question_seged=posseg.cut(str(clea