# 基于语义解析的知识图谱检索系统
**Repository Path**: cjp_scut/KBQA_based_on_semantic_parsing
## Basic Information
- **Project Name**: 基于语义解析的知识图谱检索系统
- **Description**: 基于语义解析的方法，开发并实现了一个具备交互界面的医药领域知识图谱检索系统（图谱来源于刘焕勇）
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 49
- **Forks**: 0
- **Created**: 2022-06-16
- **Last Updated**: 2025-12-05
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# 基于语义解析的知识图谱检索系统
## 概述
在知识表示中，知识图谱是一种知识库，存储着互联网中大量复杂且结构化的知识，对知识库进行直接的访问需要访问者具备专业技能，而这对于大部分用户来说都是不现实的，大家希望能够通过自然语言直接查询知识库。因此，知识库问答，即KBQA任务被随之提出。KBQA提出利用知识库中的事实来回答自然语言问题。
而在KBQA的诸多解决方案中，语义解析的方法因其“可解释性”和优异性能而脱颖而出。语义解析方法先将自然语言问题转换为中间的语义表示，在本文中对应的是Cypher查询语句，然后再检索知识库得到答案。
该工作有两个主要难点：
① 第一，自然语言存在天然的“模糊性”和“多样性”。“模糊性”指的是用户在提问中可能无法完整或准确地描述实体，比如“骨质疏松”被歧义描述为“骨疏松病”，“板蓝根茶”被省略为“板蓝根”等。而“多样性”指的是同一语义的问题可能有不同的表达，例如“脑血栓的临床表现是啥？”和“脑血栓一般有什么症状”；
② 第二，在现实中，KBQA任务存在“低资源问题”，也就是说不是所有知识库都存在QA训练数据的。
针对这两大难点，开展了以下工作：
1. 针对难点1，采用基于语义解析的**融合方法**，自定义**评分函数**解决实体匹配的模糊性问题，基于**预训练文本分类模型**解决多样性问题。
2. 针对难点2，实体链接阶段使用**评分函数**而非实体跨度检测模型；在关系预测中使用**数据增强**扩充模型训练数据以缓解低资源难题。
3. 采用上述方法，完成了**医药知识图谱检索系统**的开发，提供交互界面，使用户能够直接获取相关知识
## 系统界面截图
- 基础页面布局
- 问答检索
- 历史记录检索
- 历史记录删除
（系统视频演示见成果演示文件夹）
## 系统架构
### 系统逻辑架构图
### 系统物理架构图
## 知识库
- 知识库来源：由360人工智能研究院*刘焕勇*发布
- 知识库类型：医药领域
- 知识库大小：事实规模约29万，包含7类实体和10类关系
### 知识库Schema
## 系统边界/问答类型
1. **简单问题**：
1. 实体抽取问题（20类），例如询问“乳腺癌的症状有哪些？”
2. 关系抽取问题（6类），例如询问“毛囊炎患者会得脓疱吗？”。
2. **复杂问题**：
1. 并列句（单意图），例如询问“百日咳和皮炎的并发症有哪些？”。
2. 比较句（2类），例如询问“肺炎和肾炎哪个更难治愈”。
3. 交集问句（症状交集或疾病交集）（2类），例如询问“同时具备脓疱和出血性丘疹这些症状的疾病是什么？”
## 系统核心功能流程简述
### 语义解析功能流程图
### 流程图解释
针对前面提到的两个难点，系统采用模块化、流水线的形式进行语义解析。当问题输入后，基于中文多领域分词工具的实体识别模块先识别出问句中的词项，然后在实体链接模块中通过评分函数计算词项和实体间的相似度，排序取最高，得到结果（“色汗症、肝炎”）。同时，关系预测模块基于文本分类模型，结合候选实体结果来预测问句的类别标签（已知疾病比较治愈率）。接着使用插槽的方式将这两个模块输出结果组合为Cypher查询语句，检索知识库得到结果后，进入逻辑推理模块，进行数学操作。最后再将结果组织为用户可理解的自然语言答案返回至前端。
难点1解决方式是评分函数通过多个指标（①字重叠率 ②编辑距离分数 ③ 余弦相似度）来链接实体，而非单纯的字符串检索，缓解了“模糊性”问题；而方案结合神经网络提高了对句式的识别能力，缓解了“多样性”问题。
难点2的解决方式是在实体识别链接部分，不需要训练跨度检测模型而是直接使用评分函数链接实体；同时关系预测模块的数据使用数据增强方式进行扩充，缓解了低资源下的模型训练问题。
## 备注
1. 因大小限制，项目不提供相关模型：
1. 关系预测模块选择的模型为用于中文文本分类的**ERNIE_tiny**模型（PaddleHub提供）。ERNIE-tiny作为小型化ERNIE，采用了模型蒸馏等技术，相比ERNIE_base保证了在实际真实数据中将近4.3倍的预测提速，满足了系统对低响应时间的要求。
2. 数据增强使用基于中文文本改写的**SimBert**模型来扩充文本分类模型的训练数据
3. 评分函数中计算余弦相似度需要将文本形式转换为词向量形式。词向量（embedding）计算的实现方式是通过部署基于Paddle Serving框架的Bert Service服务，以获取文本词向量。服务模型文件使用哈工大提供的全词覆盖中文预训练模型**Chinese-BERT-wwm**。
2. 前端项目是缺少node_modules的。正常运行需执行一下操作：
1、指定到项目目录，执行
```javascript
npm install
//根据提示执行下列命令
npm audit fix --force
```
3. 后端采用模板结合神经网络的方式进行语义解析，其中模板的部分参考了刘焕勇发布的项目：https://github.com/liuhuanyong/QASystemOnMedicalKG.git