CN106776797A - 一种基于本体推理的知识问答系统及其工作方法 - Google Patents

Abstract

本发明公开一种基于本体推理的知识问答系统及其工作方法，系统包括语料库管理单元、知识管理单元、知识推理单元、综合知识库单元、知识问答交互单元；语料库管理单元、知识管理单元相互连接并分别与知识推理单元相连接，知识推理单元与综合知识库单元相连接，综合知识库单元与知识问答交互单元相连接；该系统的工作方法是：通过网络爬虫采集和关系型数据库数据采集；用户在知识问答交互单元的知识问答界面上输入关键字进行提问；问答引导、查询预处理、句模匹配和模型算法匹配后进行推理并生成知识最后进行结果展现。本发明应用本体推理技术，构建了知识存储与组织标准化方法，在保证系统的简单实用的同时，提升系统正确率。

Description

一种基于本体推理的知识问答系统及其工作方法

技术领域

本发明涉及语言信息处理技术领域，具体地说涉及一种基于本体推理的知识问答系统及其工作方法。

背景技术

随着互联网技术的发展，用户所接触的信息海量增长，急需科学有效的利用信息，减少重复信息与垃圾信息，以最快的速度获取满意的答案。简单的知识问答系统以信息检索与查询为主要方式，没有考虑用户问题的关联性和关注点，效率低下。以自然语言为基础为问答系统，使用关联规则的挖掘，以获取问句间的关联关系，使用获取的问句间关联关系计算后，给用户的提供相互关联的答案，代表了目前知识问答系统的发展方向。

当前，互联网上已出现了一些典型的知识库，如基于维基科半结构化内容构建的Dbpedia、基于众包技术构建的FreeBase及通过权威手工编辑的Cyc知识库等，这些知识库都可能通过统一的SPARQL接口进行查询。然而，随着知识量的增加，用户查询时记不住复杂的URI(Uniform Resource Identifier，统一资源描述符)以及本体Schema(公理系统)，经常由于输入了错误的语法，导致查询不到任何结果。因此，需要考虑为用户提供更为简洁高效的交互方式，使用户直接通过自然语言来查询，这也是知识问答系统的所需解决的关键问题。

发明内容

本发明的目的在于针对上述现有技术的缺陷，提供一种集知识采集、知识管理、知识推理、知识问答于一体的基于本体推理的知识问答系统及工作方法。应用本体推理技术，构建了知识存储与组织标准化方法，在保证系统的简单实用的同时，提升系统正确率。

为实现上述目的，本发明所采取的技术方案是：

一种基于本体推理的知识问答系统，包括语料库管理单元、知识管理单元、知识推理单元、综合知识库单元、知识问答交互单元；所述语料库管理单元、知识管理单元相互连接并分别与知识推理单元相连接，所述知识推理单元与综合知识库单元相连接，所述综合知识库单元与知识问答交互单元相连接；所述语料库管理单元采集语料并储存形成语料库；所述知识管理单元分为本体库管理单元、术语库管理单元、推理规则库管理单元，其中的本体库管理单元面向行业领域知识，以本体类、实例、专业词库的形式进行组织管理，术语库管理单元在构建的本体类、实例、同义词和属性同时建立各自的名词术语；推理规则库管理单元记录本体类、实例、同义词和属性之间的关联关系；所述知识推理单元基于推理规则实现关联问题的挖掘，并将挖掘的结果扩充到综合知识库，综合知识库管理实现问句库、句模库与答案库的管理。

作为对上述技术方案的改进，所述语料库管理单元包括语料数据的采集单元和存储单元，实现知识信息的采集与存储。

作为对上述技术方案的改进，所述采集单元包括数据库采集单元和网络抓取单元。

作为对上述技术方案的改进，所述本体库管理单元包括本体类管理单元、实例管理单元、专业词库管理；本体类管理单元对行业领域知识形成的本体知识概念以本体类的形式管理，以目录树结构展现本体的层次关系；实例管理单元对所属的本体类概念下的具体实例进行管理；专业词库管理是使用文本及图片的形式对专业名词进行定义与解释。

作为对上述技术方案的改进，所述综合知识库单元包括问句库单元、句模库单元与答案库单元，所述问句库单元、句模库单元与答案库单元形成映射关系；问句库单元是指对系统已回答问题的集中记录和分类，句模库单元是针对有效问句的句子躯干(主谓宾)的提取结果集，体现最小语言单元的结果；答案库单元是推理结果进行清洗过滤后的结果集。

作为对上述技术方案的改进，所述知识问答交互单元包括知识提问单元、热点搜索单元、图片搜索单元、知识图谱单元；知识提问单元是用户输入关注的关键词，系统根据输入提示已有的问句，用户可选择关注的问句，查找想要的问题答案；热点搜索单元根据用户搜索的频度列举重要的搜索名词，用户选择关键字后查找名词的详细说明，并关联该名词相关的其它名词；图片搜索单元是根据用户的搜索频度显示关注度较高的名词图片信息，用户选择图片后，可查找图片对应的名词详细说明，并关联该名词相关的其它名词。

本发明并提供了上述基于本体推理的知识问答系统的工作方法，该工作方法的步骤是：

S1、系统构建：通过网络爬虫采集和关系型数据库数据采集，形成语料库，通过手动或者自动构建了本体库，并形成了推理规则库和术语库；

S2、用户提问：用户在知识问答交互单元的知识问答界面上输入关键字进行提问；

S3、问答引导：问句库根据用户的输入进行实时提示，给出问句列表，可从列表选择提出的问题，若用户选择了相应的问句，则系统通过映射关系获得答案库内容，反馈结果，流程结束；如用户没有选择相应的问题，则进入下一步；

S4、查询预处理：对用户提出的问题使用本体库中形成的术语库(类、实例、同义词、属性)进行查询预处理，包括基于基础词(采用新华字典库)和本体库中术语的分词，基于停用词库去掉停用词，形成句模；

S5、句模匹配：将句模与句模库进行匹配比对，若已匹配到，则获得匹配句模所关联的答案，展现结果，结束流程；如未匹配到，则进入下一步。

S6、词性划分与标注：将句模与本体库中形成的术语(类、实例、同义词、属性)库进行划分与标注，形成含有标注的句模；

S7、模型算法匹配：通过系统提供的推理模型算法，将含有标注的句模与模型算法匹配，若匹配失败，则提示系统不含有此类知识，提示用户重新查询，若匹配成功，则进入下一步；

S8、推理：结合SPARQL和推理机加载模型算法，在本体库中进行推理和挖掘；

S9、生成知识：对推理结果进行清洗和整理得到答案，并将所使用到的问句，句模和答案形成映射关系并保存到综合知识库；

S10、结果展现：展现问题和得到的答案。

作为对上述技术方案的改进，所述语料数据的采集使用数据库采集和网络抓取两种模式。

作为对上述技术方案的改进，所述推理模型算法包括单入口模型算法、多入口模型算法和多入口双向模型算法。

与现有技术相比，本发明具有的优点和积极效果是：

本发明的基于本体推理的知识问答系统及其工作方法，构建了知识存储与组织标准化方法，采取元数据与值数据分离方法，使用本体类、实例、同义词、属性、专业名词、名词解释等标准化的方法来实现知识表达，按照统一的数据格式进行管理与维护，可扩充性好，易于维护与使用；应用了本体的知识推理技术，利用本体库构建核心词的关联规则，利用问句库来提示并规范用户的问题，能更加充分理解用户的意图。进而，对问答推理所产生的新知识进行保存，提高知识挖掘的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1系统工作原理图；

图2系统工作流程图；

图3基于对象化组织的军事装备知识本体示意图；

图4军事装备知识问答库功能结构图；

图5单入口模型算法示意图；

图6多入口模型算法示意图；

图7多入口双向模型算法示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

如图1和2所示，本发明的基于本体推理的知识问答系统，包括语料库管理单元、知识管理单元、知识推理单元、综合知识库单元、知识问答交互单元；所述语料库管理单元、知识管理单元相互连接并分别与知识推理单元相连接，所述知识推理单元与综合知识库单元相连接，所述综合知识库单元与知识问答交互单元相连接；所述语料库管理单元采集语料并储存形成语料库；所述知识管理单元分为本体库管理单元、术语库管理单元、推理规则库管理单元，其中的本体库管理单元面向行业领域知识，以本体类、实例、专业词库的形式进行组织管理，术语库管理单元在构建的本体类、实例、同义词和属性同时建立各自的名词术语；推理规则库管理单元记录本体类、实例、同义词和属性之间的关联关系；所述知识推理单元基于推理规则实现关联问题的挖掘，并将挖掘的结果扩充到综合知识库，综合知识库管理实现问句库、句模库与答案库的管理。

所述语料库管理单元包括语料数据的采集单元和存储单元，实现知识信息的采集与存储。

所述采集单元包括数据库采集单元和网络抓取单元。

所述本体库管理单元包括本体类管理单元、实例管理单元、专业词库管理；本体类管理单元对行业领域知识形成的本体知识概念以本体类的形式管理，以目录树结构展现本体的层次关系；实例管理单元对所属的本体类概念下的具体实例进行管理；专业词库管理是使用文本及图片的形式对专业名词进行定义与解释。

所述综合知识库单元包括问句库单元、句模库单元与答案库单元，所述问句库单元、句模库单元与答案库单元形成映射关系；问句库单元是指对系统已回答问题的集中记录和分类，句模库单元是针对有效问句的句子躯干(主谓宾)的提取结果集，体现最小语言单元的结果；答案库单元是推理结果进行清洗过滤后的结果集。

所述知识问答交互单元包括知识提问单元、热点搜索单元、图片搜索单元；知识提问单元是用户输入关注的关键词，系统根据输入提示已有的问句，用户可选择关注的问句，查找想要的问题答案；热点搜索单元根据用户搜索的频度列举重要的搜索名词，用户选择关键字后查找名词的详细说明，并关联该名词相关的其它名词；图片搜索单元是根据用户的搜索频度显示关注度较高的名词图片信息，用户选择图片后，可查找图片对应的名词详细说明，并关联该名词相关的其它名词。

如图2所示，本发明并提供了上述基于本体推理的知识问答系统的工作方法，该工作方法的步骤是：

S1、系统构建：通过网络爬虫采集和关系型数据库数据采集，形成语料库，通过手动或者自动构建了本体库，并形成了推理规则库和术语库；

S2、用户提问：用户在知识问答交互单元的知识问答界面上输入关键字进行提问；

S3、问答引导：问句库根据用户的输入进行实时提示，给出问句列表，可从列表选择提出的问题，若用户选择了相应的问句，则系统通过映射关系获得答案库内容，反馈结果，流程结束；如用户没有选择相应的问题，则进入下一步；

S4、查询预处理：对用户提出的问题使用本体库中形成的术语库(类、实例、同义词、属性)进行查询预处理，包括基于基础词(采用新华字典库)和本体库中术语的分词，基于停用词库去掉停用词，形成句模；

S5、句模匹配：将句模与句模库进行匹配比对，若已匹配到，则获得匹配句模所关联的答案，展现结果，结束流程；如未匹配到，则进入下一步；

S6、词性划分与标注：将句模与本体库中形成的术语(类、实例、同义词、属性)库进行划分与标注，形成含有标注的句模；

S7、模型算法匹配：通过系统提供的推理模型算法，将含有标注的句模与模型算法匹配，若匹配失败，则提示系统不含此类知识，提示用户重新查询，若匹配成功，则进入下一步；

S8、推理：结合SPARQL和推理机加载模型算法，在本体库中进行推理和挖掘；

S9、生成知识：对推理结果进行清洗和整理得到答案，并将所使用到的问句，句模和答案形成映射关系并保存到综合知识库；

S10、结果展现：展现问题和得到的答案。

所述语料数据的采集使用数据库采集和网络抓取两种模式。

如图5-7所示，所述推理模型算法包括单入口模型算法、多入口模型算法和多入口双向模型算法。

如图3-4所示，下面结合军事装备知识问答系统对本发明作进一步详细的描述。

军事装备知识问答系统主要是各类武器装备知识数据进行采集、存储、管理与推理，在此基础上，提供知识问答服务。系统首先要进行语料库的构建及存储，主要的步骤如下：

基于OpenStack构建的统一的计算机集群服务，用于来存储语料数据。

使用网络爬取技术，搜索指定网站的各类军事百科知识，为提高网络爬取的效率，使用基于Hadoop并行分布式数据处理方法，将数据爬取、数据检索、数据存储等具体的任务设计为并行任务处理，将爬取的数据保存到语料临时表。

使用外地数据库的语料数据，配置外部数据库的连接字，打开外部数据库的数据表，将数据表中关注的特征数据生成数据迁移指令，将数据导入到语料临时表。

管理员对语料临时表进行审核，确认后将临时表的数据导入到语料正式表。

系统的本体库构建面向军事训练领域知识的特点，分析相互关联关系，其本地库构建采取OWL格式。对本体库采取SPARQL的查询方式。系统的句模库构建分析军事知识问答的相似性，并根据知识表示方法对知识需求进行拆解。系统的语义推理采取Jena框架，可开发和解析RDF、RDFS和OWL等格式的本体知识库。

系统的查询预处理包括分词、去停用词。分词以基础分词库，动态加载本体库中的概念、实例、属性作为分词的依据，使用IK Analyzer分词器，用了正向迭代最细粒度切分算法，支持用户词典进行扩展定义。去停用词是以日常用语的语气词、助词、问号、逗号、分隔符号作为停用词进行处理。

以用户在问答系统界面输入“中国99式坦克的射程为多少？”来说明，系统的使用步骤如下：

问答引导，进行问句库匹配，查找相似的问句，进行提示，根据用户输入内容不断增多，提示内容逐渐清晰，此句提示的策略为：“中国”—“中国56、中国57、中国69”，输入为“中国99”，提示内容更新为“中国99式坦克，中国99式坦克长、中国99式坦克宽”等。

如果用户已选择问句，则关联到答案库进行回答，流程结束。如用户未找到对应的问句，则进入下一步。

查询预处理：对问句进行分词并去停用词，处理后的分词内容为“中国99式坦克/射程/多少”和“中国99式/坦克/射程/多少”两种分词结果。

句模匹配，根据相似度匹配算法，如果句模库中含有与该句模相似的句模，根据句模查找答案进行回答。假设句模库中含有句模为：“中国99式坦克/射程”，则取得本次答案，流程结束。若未能匹配相似句模，则认为该句模之前并未进行推理过，从而将该句模进入下一步处理。

词性划分与标注：利用构建本体库形成术语(类、实例、同义词、属性等)库对句模进行词性划分与标注。结果处理为“中国99式坦克(名词、实例术语)/射程(名词、属性术语)/多少(数量统计词)”和“中国99式(名词、同义词(中国99式坦克的简称))/坦克(名词、术语概念)/射程/多少(数量统计词)”，由于已经确定起始位置为实例名称，一条有向边有射程，所以采用多入口推理模型算法进行推理。

模型算法匹配：根据本体库形成的有向无环图检索单元(DAG)，匹配相应的推理机模型，包括单入口模型算法、多入口模型算法、多入口双向模型算法等，进行推理和挖掘。此例为采取多入口模型算法，其实例、属性、量词，对应有向无环图的一条有向边的指向。

推理：结合SPARQL和推理机，从本体库中推理挖掘结果。本例如图6所示，图中a为概念“坦克”，有向边1、2为“拥有”实例，c为其中一个实例“中国99式坦克”，有向边3为“射程”，d为获得的结果值。

生成知识：得到的新的知识将扩充到知识库，根据(1)中问句为：“中国99式坦克的射程为多少？”根据(5)中可总结为句模为：“中国99式坦克射程”，答案为“20km”。分别扩充到问句库、句模库、答案库，并形成相互关联映射关系。

结果展现：将生成的知识按用户所要求的格式进行展现。

Claims (9)

1.一种基于本体推理的知识问答系统，其特征在于：包括语料库管理单元、知识管理单元、知识推理单元、综合知识库单元、知识问答交互单元；所述语料库管理单元、知识管理单元相互连接并分别与知识推理单元相连接，所述知识推理单元与综合知识库单元相连接，所述综合知识库单元与知识问答交互单元相连接；所述语料库管理单元采集语料并储存形成语料库；所述知识管理单元分为本体库管理单元、术语库管理单元、推理规则库管理单元，其中的本体库管理单元面向行业领域知识，以本体类、实例、专业词库的形式进行组织管理，术语库管理单元在构建的本体类、实例、同义词和属性同时建立各自的名词术语；推理规则库管理单元记录本体类、实例、同义词和属性之间的关联关系；所述知识推理单元基于推理规则实现关联问题的挖掘，并将挖掘的结果扩充到综合知识库，综合知识库管理实现问句库、句模库与答案库的管理。

2.根据权利要求1所述的知识问答系统，其特征在于：所述语料库管理单元包括语料数据的采集单元和存储单元，实现知识信息的采集与存储。

3.根据权利要求1所述的知识问答系统，其特征在于：所述采集单元包括数据库采集单元和网络抓取单元。

4.根据权利要求1所述的知识问答系统，其特征在于：所述本体库管理单元包括本体类管理单元、实例管理单元、专业词库管理；本体类管理单元对行业领域知识形成的本体知识概念以本体类的形式管理，以目录树结构展现本体的层次关系；实例管理单元对所属的本体类概念下的具体实例进行管理；专业词库管理是使用文本及图片的形式对专业名词进行定义与解释。

5.根据权利要求1所述的知识问答系统，其特征在于：所述综合知识库单元包括问句库单元、句模库单元与答案库单元，所述问句库单元、句模库单元与答案库单元形成映射关系；问句库单元是指对系统已回答问题的集中记录和分类，句模库单元是针对有效问句的句子躯干(主谓宾)的提取结果集，体现最小语言单元的结果；答案库单元是推理结果进行清洗过滤后的结果集。

6.根据权利要求1所述的知识问答系统，其特征在于：所述知识问答交互单元包括知识提问单元、热点搜索单元、图片搜索单元；知识提问单元是用户输入关注的关键词，系统根据输入提示已有的问句，用户可选择关注的问句，查找想要的问题答案；热点搜索单元根据用户搜索的频度列举重要的搜索名词，用户选择关键字后查找名词的详细说明，并关联该名词相关的其它名词；图片搜索单元是根据用户的搜索频度显示关注度较高的名词图片信息，用户选择图片后，可查找图片对应的名词详细说明，并关联该名词相关的其它名词。

7.一种基于权利要求1-6中任一种知识问答系统的工作方法，其特征在于：该知识问答系统工作方法的步骤是：

S1、系统构建：通过网络爬虫采集和关系型数据库数据采集，形成语料库，通过手动或者自动构建了本体库，并形成了推理规则库和术语库；

S2、用户提问：用户在知识问答交互单元的知识问答界面上输入关键字进行提问；

S3、问答引导：问句库根据用户的输入进行实时提示，给出问句列表，可从列表选择提出的问题，若用户选择了相应的问句，则系统通过映射关系获得答案库内容，反馈结果，流程结束；如用户没有选择相应的问题，则进入下一步；

S4、查询预处理：对用户提出的问题使用本体库中形成的术语库(类、实例、同义词、属性)进行查询预处理，包括基于基础词(采用新华字典库)和本体库中术语的分词，基于停用词库去掉停用词，形成句模；

S5、句模匹配：将句模与句模库进行匹配比对，若已匹配到，则获得匹配句模所关联的答案，展现结果，结束流程；如未匹配到，则进入下一步；

S6、词性划分与标注：将句模与本体库中形成的术语(类、实例、同义词、属性)库进行划分与标注，形成含有标注的句模；

S7、模型算法匹配：通过系统提供的推理模型算法，将含有标注的句模与模型算法匹配，若匹配失败，则提示系统不含有此类知识，提示用户重新查询，若匹配成功，则进入下一步；

S8、推理：结合SPARQL和推理机加载模型算法，在本体库中进行推理和挖掘；

S9、生成知识：对推理结果进行清洗和整理得到答案，并将所使用到的问句，句模和答案形成映射关系并保存到综合知识库；

S10、结果展现：展现问题和得到的答案。

8.根据权利要求7所述的工作方法，其特征在于：所述语料数据的采集使用数据库采集和网络抓取两种模式。

9.根据权利要求7所述的工作方法，其特征在于：所述推理模型算法包括单入口模型算法、多入口模型算法和多入口双向模型算法。