基于知識圖譜的農(nóng)業(yè)知識問答系統(tǒng)研究

李 巖，胡文嶺

（河北經(jīng)貿(mào)大學 管理科學與工程學院，河北 石家莊 050061）

隨著我國數(shù)字鄉(xiāng)村建設的不斷發(fā)展，我國涌現(xiàn)出了許多農(nóng)業(yè)技術服務相關網(wǎng)站[1]，為農(nóng)民提供農(nóng)業(yè)生產(chǎn)、養(yǎng)殖技術、農(nóng)產(chǎn)品銷售等信息?，F(xiàn)今越來越多的農(nóng)業(yè)從業(yè)人員在遇到生產(chǎn)、技術、信息等問題時，常常選擇利用網(wǎng)絡去查詢，以得到有效的信息或解決方法，但受限于文化水平、系統(tǒng)操作等問題，大部分農(nóng)民往往無法從大量的資源中尋求到合適的答案或信息；求助于搜索引擎時，往往會得到大量的與問題不相關的內(nèi)容，還需要進行人工的篩選[2]，而且網(wǎng)頁查詢內(nèi)容的正確性是無法保證的，用來指導農(nóng)民的實際應用存在一定的隱患。

本文提出了一種通過基于知識圖譜的智能化問答系統(tǒng)來解決上述提到的問題。問答系統(tǒng)是目前自然語言處理領域一項非常熱門的研究，其主要功能是在系統(tǒng)和人類之間搭建一個橋梁，讓系統(tǒng)直接回答人類所提出的問題。問答系統(tǒng)是在搜索引擎的基礎上，對檢索結果進行答案抽取等處理，使用戶可以快速、方便、準確地獲得自己需要的信息。系統(tǒng)允許用戶以自然語言的形式進行提問，并返回自然語言的解答。

當前，深度學習技術發(fā)展迅速，問答系統(tǒng)不僅可以“讀懂”語言表面的信息，還可以“理解”深層的信息，這種技術恰好為問答系統(tǒng)的發(fā)展奠定了基礎。文章將結合知識圖譜的技術對問答系統(tǒng)的構建進行分析，同時將問答系統(tǒng)在農(nóng)業(yè)知識中的應用進行探究，智能的問答系統(tǒng)在農(nóng)業(yè)中的應用也是構建智能農(nóng)業(yè)不可或缺的一個重要部分。

1 知識圖譜相關技術

本文所研究的是知識圖譜與農(nóng)業(yè)知識和農(nóng)業(yè)領域的融合。近些年，知識圖譜與各領域、各行業(yè)、各企業(yè)的深度融合已經(jīng)成為一個重要趨勢。隨著技術的不斷發(fā)展，各類知識圖譜的邊界愈發(fā)模糊，聯(lián)系也愈發(fā)廣泛。

1.1 知識圖譜

2012年，Google公司正式提出知識圖譜的概念——是指一種大規(guī)模的語義網(wǎng)絡，是結構化的語義知識庫，用于描述概念及其相互關系，其由“實體-關系-實體”或“實體-屬性-屬性值”三元組構成[3]，大量這樣的三元組交織連接，形成了一個在物理層面和邏輯層面上同時存在的知識網(wǎng)絡。知識圖譜是知識的一種表示形式，更是一種大規(guī)模的語義網(wǎng)絡。

知識圖譜可以幫助我們更快速、清晰地得到各主體間的聯(lián)系，獲取相應知識。與傳統(tǒng)的語義網(wǎng)絡不同，知識圖譜因為其規(guī)模巨大而被認為是大知識（Big Knowledge）的典型代表。除此之外，在實際應用中，知識圖譜通常還能體現(xiàn)出語義豐富、質量精良、結構友好等優(yōu)勢[4]。

1.2 命名實體識別與關系抽取

實體是知識圖譜的重要組成，命名實體識別對于知識圖譜構建具有重要意義。命名實體識別，也稱為實體抽取，是指在文本中定位命名實體的邊界并分類到預定義類型集合的過程[5]。命名實體可以理解為有文本標識的實體，得到的結果是一個詞語序列。文本數(shù)據(jù)的實體抽取主要包括三類方法：基于深度學習的方法、基于統(tǒng)計模型的方法、基于規(guī)則和詞典的方法[6]。

實體抽取之后，系統(tǒng)還不能很好的關聯(lián)各個實體，還需要進行關系抽取。關系抽取的任務是從無結構的文本中抽取不同實體之間的關系，抽取的結果是關系實例，這就構成了知識圖譜中的邊，因此關系抽取是構建知識圖譜最重要的子任務之一。關系抽取產(chǎn)生的結果為三元組<主體，謂詞，客體>，此處的謂詞是用來記錄主體和客體之間的關系。目前，關系抽取的方法一般有：基于模板的方法、基于監(jiān)督學習的方法和基于弱監(jiān)督學習的方法。

關系抽取是很多復雜自然語言處理的基礎，因此它的應用也是十分廣泛的，其最重要的應用是構建知識圖譜。

2 農(nóng)業(yè)知識問答系統(tǒng)的設計原則

基于知識圖譜農(nóng)業(yè)知識問答系統(tǒng)設計的主要目的是為了給農(nóng)業(yè)從業(yè)者提供專業(yè)的解答和指導。因此本系統(tǒng)的設計原則主要圍繞用戶的體驗、問答的精準以及科學的數(shù)據(jù)等三方面來說，具體分析如下。

2.1 友好的用戶體驗

系統(tǒng)主要面向農(nóng)民用戶，本系統(tǒng)的設計工作應該首先考慮用戶使用的友好性，側重知識的共享、簡單明了、突出重點，以“接地氣”的形式突出農(nóng)業(yè)知識的普及和技術的指導。在界面的設計上，應選取適當?shù)奈淖趾蛨D片相結合的形式，合理編排語句和段落，做到結構分明，易讀易懂，以清晰明了的界面帶給用戶優(yōu)質的體驗。

2.2 精準的問答

農(nóng)業(yè)知識問答系統(tǒng)是問答系統(tǒng)的一種，旨在幫助用戶解決各類問題，在問答環(huán)節(jié)的設計中，要把握精準和快捷兩個原則。

為了保證問答的精準性，面對用戶的每一次提問，系統(tǒng)需要完成問題理解、關鍵詞分析與檢索、尋找答案、匹配答案等一系列的工作，為了縮短等待時間，系統(tǒng)要以最快的速度完成上述各個工作?？旖菥珳实膯柎鹩兄谔岣呦到y(tǒng)和用戶之間的默契程度，為用戶提供完善的服務。

2.3 科學的數(shù)據(jù)

農(nóng)民用戶往往不太擅長進行信息的篩選和擴展，因此，要求農(nóng)業(yè)知識問答系統(tǒng)在全面理解用戶問題的基礎上，所提供的解答是全面多角度的、是科學完備的。這就要求系統(tǒng)引用的數(shù)據(jù)來源要科學可靠，權威準確。

3 基于知識圖譜的問答系統(tǒng)設計

基于知識圖譜的問答系統(tǒng)的總體架構主要由前端模塊和后臺模塊組成。前端模塊主要是指問句的輸入和結果的反饋；后臺處理模塊又分為三個小模塊：問題預處理模塊、問題分析模塊和問題求解模塊。系統(tǒng)的總體架構如圖1所示[7]。

圖1 問答系統(tǒng)的總體架構圖

對于用戶通過前端交互界面輸入的問題，系統(tǒng)來進行基于知識圖譜處理、分析并求解，最終將精準的自然語言答案返回給用戶。

3.1 問題預處理模塊

問題預處理模塊的主要工作是對問題進行分詞，將問題分解成符合問句本意的多個詞語，并進行詞性標注——分析語法并確定詞性進行標注。分詞和詞性標注有助于實體識別和關系抽取，例如，從非結構化的自然語言問題中識別如母雞、流感等實體或概念，癥狀、防治方法等實體間的關聯(lián)關系?？梢?，問題預處理模塊為后續(xù)的問題分析和求解模塊奠定了基礎。

3.2 問題分析模塊

問題分析模塊的設計目的旨在分析用戶的問題，從中提取關鍵詞，并鑒別問題類型。當用戶進行問題檢索時，根據(jù)預處理模塊傳遞的分詞和詞性標注等結果，提取關鍵詞，分析出問句對應的問題類型，根據(jù)句法分析提取出問句主干成分，抽取問句的關鍵詞進行擴展，同時，提取出答案句的主干成分，并計算關鍵詞權重，提交給問題求解模塊[8]。

3.3 問題求解模塊

根據(jù)問題分析模塊得出的關鍵詞集合，信息檢索模塊首先將這些關鍵詞與數(shù)據(jù)庫中的問題進行匹配，并直接將該問題相應的答案返回給用戶；如果數(shù)據(jù)庫中缺少與之匹配的問題，可利用搜索引擎對關鍵詞進行搜索，將搜索到的網(wǎng)頁進行權重計算，形成候選答案集——網(wǎng)頁名稱、網(wǎng)頁鏈接等，這時可用HtmlParser庫將網(wǎng)頁下載到本地，根據(jù)相似度權重的大小排序，對于靠前的記錄，將原網(wǎng)頁格式去掉，留下文本信息并對句子進行標記，作為候選答案呈現(xiàn)給交互界面。

系統(tǒng)的數(shù)據(jù)流向如圖2所示[4，9]。

圖2 系統(tǒng)數(shù)據(jù)流向

4 結束語

如何方便、有效地為農(nóng)業(yè)從業(yè)人員提供科學準確、簡潔的信息，充分發(fā)揮農(nóng)業(yè)信息資源的作用，助力農(nóng)業(yè)生產(chǎn)，是數(shù)字鄉(xiāng)村建設亟待解決的問題。本文基于知識圖譜技術，研究了農(nóng)業(yè)技術服務網(wǎng)站的自然語言識別問題和準確查詢問題，提出了基于知識圖譜的農(nóng)業(yè)知識問答系統(tǒng)架構，農(nóng)業(yè)知識問答系統(tǒng)能夠實現(xiàn)與用戶的智能化問答交流，為農(nóng)業(yè)從業(yè)人員進行技術和信息查詢以及相關農(nóng)業(yè)知識的普及等提供便捷的服務。