- 知识图谱构建：利用深度学习技术，从大量非结构化数据中自动提取实体和关系，构建一个高度结构化的知识图谱。图谱中包含电影、人物、电影类型等实体及其属性，以及它们之间的复杂关系。
- 文本分类：采用基于深度学习的序列到序列模型，对用户提出的问题进行分类，确定问题的意图和查询对象；使用AC自动机进行实体识别，并根据疑问词和实体类别将问题分类。
- 实体识别与关系抽取：利用迁移学习技术，对问题中的实体进行识别，并抽取实体之间的关联关系。同时，结合预训练语言模型，进一步提高实体识别和关系抽取的准确性。
- 查询构建与优化：基于实体识别和关系抽取的结果，构建复杂的查询语句，并采用图查询优化技术，提高查询效率；根据问题类型和实体，生成Cypher查询语句，用于从Neo4j数据库中检索信息。
- 知识推理与问答生成：在知识图谱的基础上，采用基于规则的推理和基于图神经网络的推理技术，生成准确的答案。同时，结合预训练语言模型，对答案进行自然语言生成，提高问答系统的交互性；使用Flask框架创建Web应用程序，处理用户的问题，并返回特定问题的LLM大语言模型的回复。
- 用户界面设计：采用交互设计理念，设计一个简洁、直观的聊天界面，使用户能够轻松地与系统进行交互。
图1
图2
图3
图4
图5
图6
图7
KBQA
├─ answer_search.py # 包含搜索答案的函数和类
├─ app.py # 应用程序入口点，启动服务或运行程序的主要文件
├─ chatbot_graph.py # 处理聊天机器人与知识图谱交互的逻辑
├─ genre.txt # 包含电影类型数据的文本文件
├─ movie.txt # 包含电影数据的文本文件
├─ person.txt # 包含人物数据的文本文件
├─ question_classifier.py # 用于分类问题的代码
├─ question_parser.py # 用于解析问题的代码
├─ README.md # 项目的说明文件
├─ requirements.txt # 列出了项目所需的Python库和版本，本项目python版本3.8
├─ temp_output.txt # 临时输出文件
├─ __init__.py # 初始化脚本，凑数的
├─ 建立关键词词表（字典）.py # 用于建立关键词词表或字典的脚本
├─ 建立图谱.py # 用于建立知识图谱的脚本
├─ __pycache__ # Python字节码缓存文件夹，通常在开发过程中不需要提交到版本控制
├─ templates
│ └─ index.html # Web应用程序的HTML模板文件
├─ static
│ └─ ico
│ └─ image.ico # 网站图标文件
├─ data
│ ├─ genre.csv # 包含电影类型数据的CSV文件
│ ├─ movie.csv # 包含电影数据的CSV文件
│ ├─ person.csv # 包含人物数据的CSV文件
│ ├─ question
│ │ ├─ question_classification.txt
│ │ ├─ vocabulary.txt
│ │ ├─ 【0】评分.txt
│ │ ├─ 【10】某演员出演过哪些类型的电影.txt
│ │ ├─ 【11】演员A和演员B合作了哪些电影.txt
│ │ ├─ 【12】某演员一共演过多少电影.txt
│ │ ├─ 【13】演员出生日期.txt
│ │ ├─ 【1】上映.txt
│ │ ├─ 【2】风格.txt
│ │ ├─ 【3】剧情.txt
│ │ ├─ 【4】某电影有哪些演员出演.txt
│ │ ├─ 【5】演员简介.txt
│ │ ├─ 【6】某演员出演过的类型电影有哪些.txt
│ │ ├─ 【7】某演员演了什么电影.txt
│ │ ├─ 【8】演员参演的电影评分【大于】.txt
│ │ └─ 【9】演员参演的电影评分【小于】.txt
│ ├─ userdict3.txt
│ └─ vocabulary.txt # 用于自然语言处理的词汇表
├─ .idea # IDE（如PyCharm）的配置文件夹，通常不需要提交到版本控制
├─ .git # 版本控制文件夹，包含项目的版本控制信息
├─ .gitignore # Git忽略文件，用于指定不被Git跟踪的文件和文件夹
└─ logs # Git日志文件夹，包含版本控制日志信息
chatbot_graph(总控)->question_classifier（分类）->question_parser（构建查询语句）->answer_search（处理查询结果并输出）
本项目是基于NLP_process二次开发而来的
- 添加了多轮对话功能，响应速度更快
- 丰富了响应内容，添加了后端log日志打印
- 在缺失部分的非结构化数据加入了LLM大模型回复，回复效果更好
- 解决了"args"键报错问题（查询不存在的人或者电影会报错该问题，然后对话程序戛然而止)
- 使用了Flask库作为后端，同时写了一个简单的前端Html用于实时交互
- 完善了项目结构，便于后续继续开发
- 有很多逻辑上的问题没有时间进行修改，比如可以进一步完善对话回复逻辑，查询不到的问题返回给LLM进行查询
- 本文采用了基于规则的方法：通过关键字匹配或正则表达式来识别问题的类别；未来可尝试以下方法：
- 机器学习方法：使用文本分类算法，如朴素贝叶斯、支持向量机（SVM）、决策树等，对问题进行分类；
- 深度学习方法：使用卷积神经网络（CNN）、循环神经网络（RNN）或Transformer等模型进行文本分类。
Xiaoheizi2023/NLP_KBQA 个人精力和水平有限，项目还有许多不足，欢迎提出 issues 或 pr。期待你的贡献。