基于知识图谱多跳推理的中文矿物知识问答方法与系统

季晓慧; 董雨航; 杨中基; 杨眉; 何明跃; 王玉柱

doi:10.13745/j.esf.sf.2024.5.11

地学前缘 ›› 2024, Vol. 31 ›› Issue (4) : 37 -46. DOI: 10.13745/j.esf.sf.2024.5.11

知识图谱与智能推理

基于知识图谱多跳推理的中文矿物知识问答方法与系统

季晓慧 ¹ ,
董雨航 ¹ ,
杨中基 ¹ ,
杨眉 ² ,
何明跃 ² ,
王玉柱 ¹

作者信息 +

Mineral question-answering system in Chinese based on multi-hop reasoning in knowledge graphs

Author information +

文章历史 +

PDF (2427K)

摘要

已有相关矿物数据库用于存储和查询相关矿物知识,常用的搜索引擎也可以对矿物知识进行查询,但无法回答用自然语言进行提问的矿物问题,查询返回的答案需要进一步筛选。亦有基于知识图谱进行矿物知识问答的相关研究,但只能回答涉及知识图谱中一个三元组的简单问题,无法回答涉及多个三元组的多跳复杂问题。为此,本文提出基于知识图谱多跳推理的矿物复杂知识问答方法,采用ComplEx模型将矿物实体、关系和问句表示为复数向量,以更好地获取相互之间的语义及推理关系。输入矿物问句后,通过Bert-LSTM-CRF获取其中心词,采用基于编辑距离及分词的方法获得中心词的候选实体集合,然后采用全连接网络确定最相关的实体作为推理起点,与矿物问句拼接后通过全连接网络获得当前跳的最相关关系。根据当前跳的起始实体及最相关关系,在矿物知识图谱中获得另一实体作为下一跳的推理起点,并将下一跳的问句更新为原问句,与当前跳最相关关系拼接,以将当前跳的推理信息带入到下一跳推理中,直到获得的最相关推理关系为预定义的结束标识符,推理结束,返回最后一跳的实体为答案,并给出推理路径。采用Python语言,在Tensorflow框架下实现了本文提出的矿物复杂知识问答并与相关模型进行对比,证明了本文方法的有效性。采用前后端分离架构,使用RESTful API、React、Ajax、echarts和Flask等框架和技术,开发了基于知识图谱多跳推理的矿物复杂知识问答系统,为矿物知识获取及相关地质研究提供了平台和工具。