基于知识图谱的问答系统技术研究

基于知识图谱的问答系统技术研究

Summary：在目前的智能科技、测试仪器等领域中，人工智能问答技术占据着重要地位。人机智能对话、智能问答系统的实现是测试仪器智能水平迈向新台阶的必要基础条件。就目前的研究结果来看，实现智能问答系统搭建的重要工具之一是知识图谱，而通过完整问答流程进行知识图谱问答系统构建是存在显著困难的。在人工智能技术持续发展的作用下，智能技术的不断升级使得问答系统可以实现对用户所提出问题的概要、精准回答，显著降低了用户的提问成本。总之，在智能测试仪器的研究过程中，基于知识图谱的问答系统技术研究与利用是非常重要的内容，文章对相关内容做分析，旨在指导实践。Keys：知识图谱；问答系统；智能测试仪器在自然语言处理中最为重要的研究内容是智能问答。在智能问答中，需要利用计算机对自然语言进行智能分析，并进行资源和信息检索，同时实现对用户提出问题的回答。在实践中，为了更加精准、确定的回答用户的问题，在检索问题之前需要深入分析语义，以此来获得问题知识信息，这样可以将系统内部匹配的答案通过计算推荐反馈到客户端。智能问答系统在帮助减少人工客服压力，提高客服工作效率等方面有着积极的作用。在目前的社会实践中，搜索引擎的使用便捷了人们的工作与生活，可以解决诸多生活和学习中的难题。一、知识图谱与问答系统要明确基于知识图谱的问答系统技术，首先需要明确知识图谱和问答系统的概念。就知识图谱而言，它是一种基于结构化/非结构化数据构造的图数据表达。对文献资料的检索进行分析可知，其会通过实体、关系和语义描述等技术步骤完成[1]。与传统信息检索系统进行比较，知识图谱更具复杂性。知识图谱是由文字和谱图有机结合而成，是在实体节点及实体与实体间关系的基础上构成的。从本质上来讲，知识图谱是一种实体与网络之间的表达方式。知识图谱的概念来自于图论，其是知识图谱当中图形结构的一种补充和拓展方式。最初的知识图谱存在着的显著缺点是本质结构表达的过程中会出现两个或者是多个复杂的关系，这种关系的解决存在着困难性。基于问题的解决，传统的知识图谱进行了大量的调整和规划，这使得知识图谱能够满足三元组的统一格式。问答系统是现阶段社会工作和学习实践中比较常用的一种高级信息检索技术平台，通过利用问答系统，用户能够利用准确、简洁的语言提出自己需要解决的问题，并快速简便地获取目标答案[2]。对问答系统进行分析可知，其主要存在两种应用模式，其中一种为人工智能模式，另外一种是自然语言模式，这两种模式在实践中均可以助力用户搜索并获取问题的答案。目前，问答系统应用广泛，且在工业智能化领域与日常生活中发挥重要作用。由于经济与技术的快速发展，更为高级、智能的问答系统的研究十分迫切。二、基于知识图谱的问答系统技术智能测试仪器的快速发展需要智能问答技术的有力支撑，基于知识图谱的问答系统技术可以提高测试仪器人机协同能力，增强友好交互，是实现仪器智能测试的基石。基于知识图谱的问答系统方法流图如下图所示：图1基于知识图谱的问答系统方法流图目前的问答系统所使用的技术是存在差异的，即不同的问答系统在回答用户问题的时候，其基础算法等有明显的差异。以下是目前实践中基于知识图谱的不同问答系统技术阐述。第一是基于模板匹配的知识图谱问答。在问答系统的发展过程中，系统最初使用的是规则和模板匹配的形式。根据专家设计的模板对用户提出的自然语言问题进行分析，并基于所提问题的分析，匹配答案[3]。在构建基于模板匹配的知识问答系统时，需要构建基于专家经验和规则的模板知识库，并以此提取三元组，构造问答知识图谱。同时要将问题和问答进行算法匹配，这样可以获得能够匹配问题的答案和信息。在获得与问题匹配的信息之后，系统会选择与问题最相符的答案，并在知识库当中进行答案的索取。在最初的研究中，智能问答机器人的设计便使用的是这种技术。对智能问答机器人的主要工作方式进行分析可知其是在定义问题答案的基础上对用户提出的问题进行解答的，在解答问题过程中搜索问题Keys，并通过Keys检索的方式，对知识图谱中存储的知识模板进行匹配，并做出智能回复。第二是基于语义解析的知识图谱问答。就语义解析知识库问答分析来看，其主要通过浏览器将自然语言输入到信息检索框中，并通过对自然语言的理解和转化构成结构化查询方式，并获取最终答案的一种问答系统。目前比较常见的数据库逻辑表达方式便属于这种问答系统[4]。在进行语句转化的过程中，系统会将问题中的语义信息填充到逻辑表达式中，系统以此在知识图谱中搜索答案。问答系统在进行语义解析时，会将问答系统看作是自下而上的语法树，树的叶子就是用户输入的自然语言，树的根便是语义解析式和逻辑表达式[5]。研究人员通过对语义解析研究发现，利用语义解析技术对自然语言进行分析处理，并在知识图谱中进行答案搜索，这需要消耗大量人力物力，且检索困难较大，因此在其他数据集上进行推广存在一定困难。相关研究表明，使用依存组合语义的方法并在研究的过程中对问句进行语义转换，对于促进结构化查询有着积极的作用。第三是基于信息检测的知识图谱问答。基于信息检索的知识库问答系统在使用的过程中，首先需要对知识图谱中的信息进行检索，通过问句、知识图谱以及规则信息等对正确答案进行搜索匹配。在进行知识检索的过程中，若自然语言中的实体信息没有被准确识别，那么在知识图谱中进行检索和定位时，需要基于定位实体和实体所指的中心知识子图进行知识获取。有研究人员在研究的过程中提出，使用语义查询图的方式进行问句表达。在知识图谱中进行答案匹配时，需要消除实体歧视，获取子图位置，搜索问题答案[6]。此类方式，能够避免在理解问句的过程中出现歧义。需要注意的是，在知识子图检索的过程中，如果实体之间的歧视无法消除，最终难以实现利用子图匹配的方式获取答案[7]。还有研究人员使用向量嵌入模型对用户问题和答案子图进行自主学习，并将其分别映射成为了低维空间向量，同时结合神经记忆网格和知识问答，并将知识图谱中形成的知识记忆网络组成记忆单元，实现对网络记忆的训练，由此，能够取得较好的实践结果。结束语：综上所述，基于知识图谱的智能问答技术，存在多种方式方法，且均存在一定问题。而智能测试仪器的构建，需要建立在实现智能问答，友好人机交互的基础上，所以研究分析先进技术在问答系统中的应用十分必要。文章基于认识图谱对目前使用的问答系统进行总结分析，并对问答系统中的具体技术价值发挥等进行讨论说明，对于社会科技实践、智能测试仪器技术应用具有重要意义。Reference：[1]杜睿山,张轶楠,田枫,等.基于知识图谱的智能问答系统研究[J].计算机技术与发展,2021,31(11):6.[2]陈璟浩、曾桢、李纲.基于知识图谱的"一带一路"投资问答系统构建[J].图书情报工作,2020,64(12):11.[3]魏泽林,张帅,王建超.基于知识图谱问答系统的技术实现[J].软件工程,2021,024(002):P.38-44.[4]周航,张泽,马泽祺,等.基于知识图谱的航空领域问答系统设计[J].信息与电脑,2021(033-024).[5]王震南,董宝良,田飞.基于知识图谱的军事知识问答系统设计[J].信息技术,202