KgCLUE
KgCLUE: 大规模中文开源知识图谱问答
在线DEMO点击此处体验
预约演示：数据集自动标注工具--释放AI潜力！
内容导引
| 章节 | 描述 |
|---|---|
| 简介 | 介绍背景 |
| 任务描述 | 介绍任务的基本信息 |
| 数据集介绍 | 介绍数据集及示例 |
| 实现思路 | 介绍实现的具体思路 |
| 实验结果 | 针对各种不同方法，在KgCLUE上的实验对比 |
| 实验分析 | 对模型能力进行分析 |
| KgCLUE有什么特点 | 特点介绍 |
| 基线模型及运行 | 支持多种基线模型 |
| 相关阅读 | 新方案及其解读 |
| 排行榜及提交 | 排行榜及提交样例 |
| 贡献与参与 | 如何参与项目或反馈问题 |
简介
KBQA（Knowledge Base Question Answering），即给定自然语言问题，通过对问题进行语义理解和解析，进而利用知识库进行查询、推理得出答案。
KBQA利可以用图谱丰富的语义关联信息，能够深入理解用户问题并给出答案，近年来吸引了学术界和工业界的广泛关注。KBQA主要任务是将自然语言问题（NLQ）通过不同方法映射到结构化的查询，并在知识图谱中获取答案。
KgCLUE：中文KBQA测评基准，基于CLUE的积累和经验，并结合KBQA的特点和近期的发展趋势，精心设计了该测评，希望可以促进中文领域上KBQA领域更多的研究、应用和发展。
UPDATE:
******* 2021-12-18：添加完整基线模型(baselines/ner_sim)，包括预训练脚本及训练好的模型的下载地址
******* 2021-11-27：添加支持KgCLUE的Roberta-wwm-ext的baseline
******* 2021-11-15：添加支持KgCLUE的Roberta-wwm-large的baseline
******* 2021-11-03: 添加支持KgCLUE的Bert的baseline
******* 2021-11-02: 添加了知识库和问答数据集。
任务描述
KBQA任务即为给定一份知识库和一份问答数据集，从问答数据集中学习问题语义然后从知识库中查询答案。本测评提供了一份中文百科知识库和一份问答数据集。
数据集介绍
知识库介绍
知识库可通过百度云，提取码:nhsb，或着Google云下载。
下载后，请将其放入knowledge文件夹中。
知识库（三元组）统计信息
| 实体数量 | 关系数量 | 高频关系(>100) | 三元组数量 |
|---|---|---|---|
| 3121457 | 245838 | 3833 | 20559652 |
知识库来源于百科类数据，由百科类搜索页面的事实性三元组构成。
知识库描述
知识库中数据存储格式如上，每一行是一个三元组，格式为<头实体，关系，尾实体>，每列之间以'\t'分隔，
其中头实体后的括号项为该实体的消歧项。
问答数据集统计信息
| Corpus | Train | Dev | Test Public | Test Private |
|---|---|---|---|---|
| Num Samples | 18k | 2k | 2k | 3k |
| Num Relations | 2164 | 1258 | 1260 | 423 |
问答数据集为one-hop数据，总共包含25000条问答对。
数据集分为4份：1份训练集(Train)；1份验证集(Dev)；1份公开测试集(Test Public)，用于测试；1份私有测试集(Test Private)，用于提交，不公开。
问答数据集描述
问答数据集为json格式，每行为一条问答对。问题是one-hop问题，即答案为知识库中的一条三元组。数据格式如下，其中id为问答对索引，quetion为问题，answer为答案，来自知识库，以' ||| '分割。
实验结果
实验设置：训练集和验证集使用训练集与验证集，测试集使用公开测试集。
实现思路
下面简单介绍该任务的baseline的构建思路，但并不对任务数据进行详细介绍，如对任务数据不明白，请返回数据集介绍部分
以下图片仅为思路参考，总体思路：
1.利用NER模型进行实体识别(S)；
2.根据识别到的实体，通过es接口找到可能的候选关系的列表；
3.训练相似度模型进行关系预测：输入为问句和候选关系，找到最可能的关系（P）；
4.最后根据实体（S）、关系(P)定位到答案（O,即尾实体）
NER阶段
做NER任务，如图所示用于识别出问题中的实体。
SIM阶段
我们使用句子分类任务（二分类），把问题和关系(属性）拼接到一起，用于判断问题要问的是不是这个属性。
基线模型及运行
环境依赖
1）NER模型：
python3.6+
1.1.0 =< pytorch < 1.5.0, or 1.7.1
2）SIM模型
python3.6+
tensorflow 1.14+
bert4keras, 0.10.8
如何运行
进入到ner_re的目录(cd baselines/ner_re)；
然后顺序执行以下命令：1）训练NER模型；2）训练相似度模型；3）生成预测文件并提交。
1.NER模型(pytorch)
1.0 下载预训练模型
下载并将预训练模型(chinese_rbt3_pytorch）放入到prev_trained_model目录。 pytorch版用于NER,tensorflow版用于相似度模型。
1.1 训练NER模型
bash scripts/run_ner_softmax.sh
其中，处理成NER训练数据的主要代码：processors/utils_ner.py的DataProcessor(65-96行)
已经训练好的NER模型下载
1.2 对测试集(test.json)进行预测，生成NER结果
bash scripts/run_ner_softmax.sh predict
预测结果在这里：./outputs/kg_output/bert/test_prediction.json
生成的示例如:
{"id": 0, "tag_seq": "O O O O B-NER I-NER I-NER O O O O O O", "entities": [["NER", 4, 6]]}
{"id": 1, "tag_seq": "O O B-NER I-NER I-NER O O O O O O O O", "entities": [["NER", 2, 4]]}
{"id": 2, "tag_seq": "O O B-NER I-NER I-NER I-NER I-NER I-NER I-NER O O O O O O O O", "entities": [["NER", 2, 8]]}
2.SIM（相似度）模型
2.1 生成相似度训练数据
python3 -u sim/process_sim_data.py
其中，生成的相似度训练数据所在的目录为：./processed_data
已经训练好的相似度(SIM)模型下载
2.2 训练SIM模型
python3 -u sim/train.py
其中，相似度模型所在的位置：./outputs/kg_sim_output
测试单个输入的相似度（可选）
python3 -u sim/predict.py
3. 生成预测文件并提交
python3 -u submit/generate_submit_file.py
生成的文件为：./kgclue_predict_rbt3.json
使用如下命令压缩文件：zip -r kgclue_predict_rbt3.zip kgclue_predict_rbt3.json
基线模型详细介绍见：./baselines/ner_re/README.md
相关阅读
《Seq2Seq+前缀树：检索任务新范式（以KgCLUE为例）》，苏剑林
本文介绍了检索模型的一种新方案——“Seq2Seq+前缀树”，并以KgCLUE为例给出了一个具体的baseline。
“Seq2Seq+前缀树”的方案有着训练简单、空间占用少等优点，也有一些不足之处，总的来说算得上是一种简明的有竞争力的方案。
我们还提供了另一个代码库可以更简单方便的复现我们的效果https://github.com/CLUEbenchmark/KgCLUEbench
效果评估脚本
Score=EM_O * 0.50 + F1_O * 0.50
实验分析
1.测评结果 Benchmark Results
1.1 模型评测指标
我们采用业界常用的F1-score 以及完全匹配（Exact Match下简称EM）来作为模型的评测指标
F1-score：F1-score是分类问题的常用指标，广泛用于 QA。 当我们同样关心精度和召回率时用F1就十分合适。 在这种情况下，它是针对预测中的单个单词与真实答案中的单词进行计算的。 预测和真值之间的共享词数是F1分数的基础：精度是预测**享词的数量与总词数的比值，召回率是共享词数的比值 到基本事实中的单词总数。
完全匹配(Exact Match)：对于每个问题+答案对，如果模型预测的答案的字符与正确答案（之一）的字符完全匹配，则 EM = 1，否则 EM = 0。这是一个严格的有或无的指标； 如有单字错误仍然得分为 0。在针对负面示例进行评估时，如果模型预测了任何文本，它会自动为该示例得分为 0。
1.2 模型表现分析 Analysis of Model Performance
baseline都使用预训练模型直接做下游任务微调 bert-base-chinese，chinese-roberta-wwm-ext-large以及chinese-roberta-wwm-ext
我们发现：
1）参照过往工作，三个个模型的F1和EM分数都属于中等水平 说明对于中文KBQA领域，模型还有很大的发展空间
2）模型的效果会对下游任务分数有所提升
3）在NER和similarity的阶段的效果影响结果较大，参考过往工作，我们的baseline模型两阶段分数处于中下等水平，还是有很大的发展空间
4）我们曾使用过不同难度的数据训练以及测试模型，发现数据处理对分数的影响较大，或许可以设法通过难样本挖掘构建难样本进行更有效训练
KgCLUE有什么特点
1、KBQA利用的是结构化的知识，其数据来源决定了适合回答what，when 等事实性问题。
2、KBQA的研究，根据目标问题的性质，可以分为几个方向。第一个是单跳问题 (one hop) ，第二个是多跳问题 (multi hop)。单跳问题是指可以通过知识库中某一条事实三元组来回答，而多跳问题是指需要知识库中的多条事实三元组来回答。KgCLUE第一版（即KgCLUE1.0）针对的是单跳问题构建的数据集。
3、测评的主要目标是KBQA，根据KBQA任务的特点，可以考察近年来的实体识别、关系分类以及实体链接等子任务的发展。
此外，我们提供KBQA测评完善的基础设施。 从任务设定，广泛的数据集，多个有代表性的基线模型及效果对比，一键运行脚本，到测评系统等完整的基础设施。
排行榜及提交
提交说明
训练端到端或非端到端模型，在非公开测试集上test.json进行预测， 生成kgclue_predict.json并压缩，得到kgclue_predict.zip；然后提交到CLUE测评系统
问题 Question
1. 问：测试系统，什么时候开发？
答：测评系统在2021年12月1日后开放。
2. 问：SIM训练的数据集标注怎么搞？
答：问题原样本属性为正，再随机从样本中其他属性抽5个设为负（你也可以设法通过难样本挖掘构建难样本进行更有效训练）。
3. 问：什么是属性？
答：三元组中间那列数据，如图所示
贡献与参与
1.问：我有符合代码规范的模型代码，并经过测试，可以贡献到这个项目吗？
答：可以的。你可以提交一个pull request，并写上说明。我们会设法在24小时内反馈。
2.问：我正在研究KBQA学习，具有较强的模型研究能力，怎么参与到此项目？
答：发送邮件到 CLUEbenchmark@163.com，标题为：参与KgCLUE课题，并介绍一下你的研究。
3.如何交流？
提交你的issue；加QQ群（群号:836811304）；或加入微信群
