知识图谱-基于ES(ElasticSearch)和gAnswer建立智能问答系统
AnsweringNaturalLanguageQuestionsbySubgraphMatchingoverKnowledgeGraphs
该系统提供的两个版本:1、英文版本下载,依赖的知识库主要是DBpedia;2、中文试用版本,依赖知识库PKUBASE(该清华开发英文知识库),从该官网的介绍,暂时不支持jar布署,本人也试用过看开源智能问答系统,不支持。如右图是中文版本实例结果(Postman实验结果)、
环境搭建ES(Elasticsearch)gAnswer
javajar-xvfGanswer.jarunrarxDBpedia2016.rar./data/
运行
javajava-jarGanswer.jar
等待系统初始化结束,出现ServerReady!字样后,则说明初始化成功,您可以开始通过Http恳求访问gAnswer的服务了。
基于模板匹配的查询语言
问答系统的一些综述
KBQA(KnowledgeBaseQuestionAnswering)开源智能问答系统,是基于知识库的问答系统,本质上KBQA系统反映一个简化的“问答-答案”的映射过程雨林木风linux,须要对自然语言语义解析与理解后,进行结构化查询与推理,得出相应的答案。
上图来着刘康老师的报告
在对比对话系统之前,先来聊聊问答系统,问答系统是信息检索系统的中级方式,是以问题为驱动的信息获取过程,按QA类别可以分为WebQA(Web问答)、KBQA(知识库问答)、CQA(社区问答)和DBQA(阅读理解的QA系统,哈佛的SQuAD),而对话系统主要关注对话过程,多采用多轮形式进行,主要分为开放闲聊的对话系统、任务驱动的对话系统、以知识获取的对话系统和信息推荐的对话系统,传统的对话系统主要由四个部份:NLU(自然语言生成)、DST(对话状态溯源)、PL(策略学习)和NLG(自然语言生成),目前,采用是端对端检索式与生成式的,而且精度较低。KBQA主要通过对自然语言进行语义解析与理解后,查询知识库,进行某一类事实问题进行回答(简单的BFQ或则复杂多跳转问题),答案是某一种实体或则实体的属性或则关系,而对话系统,诗句级的对话linux入门,重视对话过程,回答的问题是通常是语句而不是简单的答案,类似人对话聊天。对话系统也可以结合知识库进行愈发全面语句级答案生成(知识获取的对话系统)。如右图所示对话系统类别和对话系统框架。
传统的主要分为几类:
基于模板匹配的方式
基于向量建模的方式
参考文献
基于ElasticSearch的问答系统(KBQA)
poemElasticDemo
Elasticsearch【快速入门】
Elasticsearch权威手册-英文.pdf,Elasticsearch英文文档下载
目前常用的自然语言处理开源项目/开发包有什么?
RDF查询语言SPARQL
[SPARQLByExample]
[LearnSPARQL]
图数据库查询语言Cypher、Gremlin和SPARQL
elasticsearch查询(match和term)
KBQA知识库问答领域研究综述
KBQA:AnOnlineTemplateBasedQuestionAnsweringSystemoverFreebase
耶鲁DBQA:SQuAD