KBQA問答系統流程
阿新 • • 發佈：2018-11-01
目錄
簡介
KBQA()基於知識圖譜的問答系統，大體流程是根據問句查詢知識譜曲，然後根據知識圖譜的資訊生成一句答案返回給使用者。
1、nlu（自然語言理解）
對於問答系統來說，自然語言理解就是要從自然語言當中提取query所提問的資訊。
1、意圖識別
匹配法：
預先定義好一些意圖類別，根據正則匹配出指定的意圖，從而判斷出query的意圖。
分類法：
預先將意圖分類並訓練好分類器，將query用分類器分類。判斷意圖
2、提取實體
1、匹配法
預先定義好需要抽取的實體的型別和字典，通過正則匹配的方法類提取實體。
優點：在小規模特定資料集上效率和準確行都比較高
缺點：1、在大規模資料集上需要準備的類別和字典都需要人工校驗，工作量大。有些實體，如地名、人名幾乎無法窮盡，或者窮盡的成本太大。
2、命名實體識別
能夠解決實體無法窮盡的情況，但是精度是有限的，目前在特定領域的精度還不能超過匹配法。
2、資訊處理
當系統理解了自然語言的資訊以後，系統會根據指定或者提取的意圖來分析問句的資訊，得到結果。
例如：姚明的老婆是誰？
intent=“who”
entity1=“姚明”
entity2=“老婆”或者“妻子”
根據意圖，我們判斷問句問的是人，我們可以在任務關係的知識圖譜中進行查詢，然後查詢的實體是“姚明”，關係是“夫妻”。就可以查到對應的人名了。
資訊處理的方式有很多種，需要根據實際需要選擇一種或者多種。
1、資訊檢索
2、知識圖譜
知識圖譜可以儲存關係型的資料，儲存複雜的資訊。
查詢知識圖譜用sparql語句就可以了。
3、nlg（自然語言生成）
模板法：
通過意圖選擇固定的模板生成答案
例如：姚明，老婆，是，{{人名}}