KGQA:基于知识图谱的问答系统

项目说明

本次项目中设计并实现了一个基于知识图谱的问答系统，结合MetaQA知识图谱，用于解决电影领域的问答问题

此项目为作者的本科毕业设计项目，完成于2021年5月，引用请注明出处

数据集

数据集下载

数据集中包含：

知识图谱 (kg.txt)
问答数据 (1-hop/vanilla)

后续代码中使用到的entity_dict 请自行根据数据集构建，其中每一行包含 entity 和 entity_id 用 '\t' 隔开

MetaQA知识图谱中包含四万多个电影领域相关实体及18种关系

问答数据中有1-hop、2-hop、3-hop三种类型，本项目中使用 1-hop 问答数据

知识图谱中三元组及问答数据示例：

三元组

Kismet | directed_by | William Dieterle

问答

what films are on [ginger rogers]   Top Hat|Kitty Foyle|The Barkleys of Broadway

项目目录结构：

1、train_KGE目录下为训练知识图谱嵌入模型的相关代码，包含以下知识图谱嵌入方法：

RotatE
TransE
DistMult
ComplEx

2、KGQA_system目录下包含了问答系统的实现代码，包含以下几个模块：

知识图谱嵌入模块
问题嵌入模块
关系预测模块
答案生成模块

3、demo目录下为本问答系统的展示demo，是一个基于react开发的网页

安装依赖

python 相关依赖：

python == 3.7
pytorch == 1.8.1
openke == 0.93
pytorch_transformers == 1.2.0
py2neo == 4.3.0

命令行中执行：

pip install -r requirements.txt

前端demo展示相关依赖(若不需要网页展示此部分可以跳过)：

进入前端demo目录:

cd demo

安装react:

npm install react

安装echarts:

npm install echarts

安装neo4j，请自行前往neo4j官网安装，注意要安装对应版本的Java

训练知识图谱嵌入模型

进入train_KGE:

cd train_KGE

将知识图谱训练数据放于 data目录下，需包含以下几个文件：

train2id.txt
entity2id.txt
relation2id.txt
test2id.txt
valid2id.txt

关于这些文件的格式请参考这里的benchmarks

下一步进行知识图谱嵌入模型的训练，执行对应嵌入模型的训练脚本，训练完成的模型存放于 checkpoint目录中

python3 train_rotate.py

训练问答系统模型

进入KGQA_system：

cd KGQA_system

将问答系统训练数据放于data目录下，需包含以下几个文件：

train.txt
valid.txt
test.txt

数据格式示例如下，每一行为问题及对应答案，若有多个答案则用 | 隔开：

what movies does [Jack Ma] act in?  Alibaba|Taobao

执行训练脚本，训练问答系统：

python3 train.py \
  --train_file **训练文件路径** \
  --valid_file **验证文件路径** \
  --test_file **测试文件路径** \
  --bert_name **使用的bert模型名称** \
  --bert_path **bert模型存放路径** \
  --relation_file **relation2id.txt文件路径** \
  --KGE_method **使用的知识图谱嵌入方法**

其中使用上面的参数需要根据实际使用情况进行填写

Demo展示

问答系统demo主要由前后端两部分构成：

后端：
- neo4j图数据库，用于存储和查询知识图谱
- 训练完成的问答系统，用于对输入的问题进行回答
前端：
- 前端是基于react开发的网页

后端部分，首先启动neo4j图数据库服务，在neo4j安装目录下执行:

./bin/neo4j console

随后执行KGQA_system 目录下的脚本将知识图谱存入图数据库当中:

python3 create_neo4j.py \
  --data_path **知识图谱存放路径,内有entity2id.txt, relation2id.txt, train2id.txt**

注意到，有别于训练数据，我们在实际的使用场景中输入的问题不会对头实体进行特殊标注：

what movies does [Jack Ma] act in?   <-->  what movies does Jack Ma act in?

因此在最终使用时，我们需要使用一个NER系统来检测出输入问题的头实体，NER系统可以使用现成的轮子，详见这里

使用手上的问答数据来构造出NER训练数据，用于检测出问题中的头实体

最后，执行KGQA_system/router.py，启动问答服务：

python3 router.py \
  --ner_model **填写前一步训练好的NER模型路径** \
  --bert_path **填写预训练bert文件夹路径,与下面的bert_name一起构成完成路径** \
  --bert_name **填写使用的bert模型名称,例如bert-base-uncased** \
  --name **填写neo4j数据库用户名** \
  --password **填写neo4j数据库密码** \
  --pretrained_model_path **填写预训练的问答模型路径** \
  --dict_path **填写实体字典路径** \
  --embed_model_path **填写预训练的知识图谱嵌入模型路径** \
  --embed_method **填写知识图谱嵌入方法,与上面的预训练模型保持一致**

启动前端网页服务：

cd demo/
npm start

网页展示效果：

yeeeqichen / KGQA