Author：qyan.li
Date：2022.6.3
Topic：借助于python构建知识图谱的电影知识智能问答系统
一、写在前面：
最近，课程设计要求做关于知识图谱的调研工作。调研过程中，在网络上发现诸多同学自行构建知识图谱的相关内容，就考虑自己自行搭建一个。经过调研和基于自己技术的考量，最终还是打算做基于知识图谱的电影知识智能问答系统(主要是数据集比较好构建)。虽然比较简单，但是这个过程中自己也收获不少新知识，对于整个系统框架的了解也更加深入。
二、系统准备：
在智能问答系统构建之前，需要做部分准备工作，主要包含两个方面：
-
Neo4j软件安装：
知识图谱在构建和使用的过程中，需要借助于
Neo4j图数据库进行可视化的管理与操作，因此实现必须配置好，Neo4j配置过程网络教程很多，但博主依旧配置的比较艰辛，下面简单列举几点博主遇到的问题以及相应的解决办法：-
在没有改变
JDK版本的情况下，安装任何版本的Neo4j都无法运行： -
报错的关键在于
JDK版本与Neo4j不相匹配，需要更改JDK版本: -
安装
JDK8版本：参考文献：(6条消息) JDK8.0安装及配置_我想rua熊猫的博客-CSDN博客_jdk8.0
小
Tips：认真按照教程配置环境变量，不要遗落或改变任何一个变量的配置
-
-
电影知识数据库构建：
csv文件中进行保存。电影数据集文件部分数据展示：
movieInfo.csv也会放置在其中，大家可自行下载使用。
三、系统构建
软件配置成功，数据集构建完成，接下来就可以进入最激动人心的环节：知识图谱的系统构建。知识图谱构建核心是利用
python中的py2neo模块，它可以连接neo4j数据库，借助于python语言完成对neo4j的各种操作。后续的知识图谱的构建和内容的检索均依赖此模块完成。
先放一下此部分的完成代码，方便后续进行讲解：
## 相关模块导入
import pandas as pd
from py2neo import Graph,Node,Relationship
## 连接图形库，配置neo4j
graph = Graph("http://localhost:7474//browser/",auth = ('*****','********'))
# 清空全部数据
graph.delete_all()
# 开启一个新的事务
graph.begin()
## csv源数据读取
storageData = pd.read_csv('./movieInfo.csv',encoding = 'utf-8')
# 获取所有列标签
columnLst = storageData.columns.tolist()
# 获取数据数量
num = len(storageData['title'])
# KnowledgeGraph知识图谱构建(以电影为主体构建的知识图谱)
for i in range(num):
if storageData['title'][i] == '黑客帝国2：重装上阵' or storageData['title'][i] == '黑客帝国3：矩阵革命':
continue
# 为每部电影构建属性字典
dict = {}
for column in columnLst:
dict[column] = storageData[column][i]
# print(dict)
node1 = Node('movie',name = storageData['title'][i],**dict)
graph.merge(node1,'movie','name')
## 上述代码已经成功构建所有电影的主节点，下面构建所有的分结点以及他们之间的联系
# 去除所有的title结点
dict.pop('title')
## 分界点以及关系
for key,value in dict.items():
## 建立分结点
node2 = Node(key,name = value)
graph.merge(node2,key,'name')
## 创建关系
rel = Relationship(node1,key,node2)
graph.merge(rel)
针对于代码中几个重要的点进行说明：
借助于
py2neo连接数据库，graph = Graph("http://localhost:7474//browser/",auth = ('*****','********'))，实际调用过程中将*号换做你的用户名和密码。此处新旧版本调用的方式有所不同，参考文献：https://blog.csdn.net/u010785550/article/details/116856031
之所以删除黑客帝国2和黑客帝国3是由于二者所属的八个标签中存在未知字符，构建neo4j结点时会报错，因此直接在数据读取阶段剔除。
下面对知识图谱构建中核心部分的代码进行解释说明：由于自己也是初步接触，代码或者讲解存在问题，还请大家批评指正。
知识图谱的构建中两个最重要的板块：结点的构建和结点关系的连接，因此，代码的主体也主要是围绕这两个方向进行，分别利用
Node类和Relationship类以及merge函数实现结点创建以及结点间关系的连接。
-
node1 = Node('movie',name = storageData['title'][i],**dict)此代码用于构建以单个结点，node1结点属于movie这种类别，name名称设置为爬取到的电影名称，后面的dict作为结点的附加树形(此处即为每部电影下的八个标签)graph.merge(node1,'movie','name')用于将创建的结点插入至知识图谱中，movie为类别 -
node2 = Node(key,name = value)用于为每部电影下的八个属性均创建结点，类别即为类别的column，如time，atcor，director等等，name即为每个标签下的具体内容，此处同样需要借助于merge函数将子节点插入至知识图谱中 -
rel = Relationship(node1,key,node2)借助于Relationship类实现结点间关系的连接，调用形式为Relationship(node1,relationship,node2)建立node1指向node2的relationship关系，此处即建立电影结点指向八个标签的关系，关系即为column内容
OK，代码中的主体内容已经构建完成，运行代码，在neo4j的浏览器中即可以看到构建好的知识图谱，如下图：
# 相关模块导入 import jieba.posseg as pseg import jieba from fuzzywuzzy import fuzz from py2neo import Graph ## 建立neo4j对象，便于后续执行cyphere语句 graph = Graph("http://localhost:7474//browser/",auth = ('neo4j','999272@123xy')) ## 用户意图的判断 #设计八类问题的匹配模板 info = ['这部电影主要讲的是什么？','这部电影的主要内容是什么？','这部电影主要说的什么问题？','这部电影主要讲述的什么内容？'] director = ['这部电影的导演是谁？','这部电影是谁拍的？'] actor = ['这部电影是谁主演的？','这部电影的主演都有谁？','这部电影的主演是谁？','这部电影的主角是谁？'] time = ['这部电影是什么时候播出的？','这部电影是什么时候上映的？'] country = ['这部电影是那个国家的？','这部电影是哪个地区的？'] type = ['这部电影的类型是什么？','这是什么类型的电影'] rate = ['这部电影的评分是多少？','这部电影的评分怎么样？','这部电影的得分是多少分？'] num = ['这部电影的评价人数是多少？','这部有多少人评价过？'] # 设计八类问题的回答模板 infoResponse = '{}这部电影主要讲述{}' directorResponse = '{}这部电影的导演为{}' actorResponse = '{}这部电影的主演为{}' timeResponse = '{}这部电影的上映时间为{}' countryResponse = '{}这部电影是{}的' typeResponse = '{}这部电影的类型是{}' rateResponse = '{}这部电影的评分为{}' numResponse = '{}这部电影评价的人数为{}人' # 用户意图模板字典 stencil = {'info':info,'director':director,'actor':actor,'time':time,'country':country,'type':type,'rate':rate,'num':num} # 图谱回答模板字典 responseDict = {'infoResponse':infoResponse,'directorResponse':directorResponse,'actorResponse':actorResponse,'timeResponse':timeResponse,'countryResponse':countryResponse,'typeResponse':typeResponse,'rateResponse':rateResponse,'numResponse':numResponse} # 由模板匹配程度猜测用户意图 ## 模糊匹配参考文献：https://blog.csdn.net/Lynqwest/article/details/109806055 def AssignIntension(text): ''' :param text: 用户输入的待匹配文本 :return: dict:各种意图的匹配值 ''' stencilDegree = {} for key,value in stencil.items(): score = 0 for item in value: degree = fuzz.partial_ratio(text,item) score += degree stencilDegree[key] = score/len(value) return stencilDegree ## 问句实体的提取 ## 结巴分词参考文献：https://blog.csdn.net/smilejiasmile/article/details/80958010 def getMovieName(text): ''' :param text:用户输入内容 :return: 输入内容中的电影名称 ''' movieName = '' jieba.load_userdict('./selfDefiningTxt.txt') words =pseg.cut(text) for w in words: ## 提取对话中的电影名称 if w.flag == 'lqy': movieName = w.word return movieName ## cyphere语句生成，知识图谱查询，返回问句结果 ## py2neo执行cyphere参考文献：https://blog.csdn.net/qq_38486203/article/details/79826028 def SearchGraph(movieName,stencilDcit = {}): ''' :param movieName:待查询的电影名称 :param stencilDcit: 用户意图匹配程度字典 :return: 用户意图分类，知识图谱查询结果 ''' classification = [k for k,v in stencilDcit.items() if v == max(stencilDcit.values())][0] ## python中执行cyphere语句实现查询操作 cyphere = 'match (n:movie) where n.title = "' + str(movieName) + '" return n.' + str(classification) object = graph.run(cyphere) for item in object: result = item return classification,result ## 根据问题模板回答问题 def respondQuery(movieName,classification,item): ''' :param movieName: 电影名称 :param classification: 用户意图类别 :param item:知识图谱查询结果 :return:none ''' query = classification + 'Response' response = [v for k,v in responseDict.items() if k == query][0] print(response.format(movieName,item)) def main(): queryText = '肖申克的救赎这部电影的导演是谁？' movieName = getMovieName(queryText) dict = AssignIntension(queryText) classification,result = SearchGraph(movieName,dict) respondQuery(movieName,classification,result) if __name__ == '__main__': main()
actor(主演)，director(导演)，time(上映时间)，country(上映国家)，type(电影类型)，num(评价人数)，rate(电影评分)，content(一句话评价)。 问答系统构建的整体思路：
-
将用户输入与预设问题模板匹配，判断用户询问问题类别(属于上述八种中的哪一种)
-
对用户输入内容进行理解，提取语句的实体内容(本例中为提取电影的
name) -
结合问题类别和电影名称构建
cyphere查询语句，调用知识图谱返回查询的结果 -
将返回的查询结果匹配至相应的回复语句，输出完成电影知识问答的整个过程
下面针对于智能问题系统的四个步骤分别进行讲解，说明实现的步骤以及主要代码：
- 用户意图匹配：
python的模糊匹配库，将用户输入的语句和事先构建的类别列表中的每句话进行匹配，获得匹配值后计算平均值，并存入字典中，最终取出字典中匹配程度最高的类别即为用户意图。AssignIntension()函数即事先对应的功能，接收用户输入，返回匹配列表- 内容实体提取：
代码
jieba.load_userdict('./selfDefiningTxt.txt')完成自定义词典的导入。
OK，电影名称被成功保留，但是我们如何确认哪个字段是电影名称呢？结巴分词提供词性标注，自定义词典同样支持，我们仅需在电影名称后添加特殊字段作为电影名称词语的词性(本例中使用lqy，自己姓名的缩写)，在分离时提取词性为lqy的词语即可以获得电影名称。if w.flag == 'lqy': movieName = w.wordword和flag两个属性，分别存储词语内容和词性参考文献：(6条消息) jieba结巴分词加入自定义词典_Am最温柔的博客-CSDN博客_jieba自定义词典
3.
cyphere语句查询：
neo4j与mysql类似，都有自己官方的查询语言，cyphere就是neo4j的官方查询语言，cyphere作为一门单独的语言，如果需要复杂的应用，是需要花费精力单独进行查询，此处不会对cyphere的语法进行详细的讲解，需要的同学可以移步其他博文进行语法的学习，此处仅应用cyphere中最简单的查询语句：# 查询肖申克的救赎的上映时间 match (n:movie) where n.title = '肖申克的救赎' return n.time
cyphere = 'match (n:movie) where n.title = "' + str(movieName) + '" return n.' + str(classification)
cyphere语句构建的任务，而后借助于py2neo运行查询语句即可以获得目标返回的内容。- 回复语句匹配：
-
四、总结反思：
本项目借助于python语言构建一个最简单的知识图谱的智能问答系统，麻雀虽小，但五脏俱全，通过此项目，我们可以基本了解构建知识图谱问答系统的基本过程，但项目存在的问题也比较多，改进的空间也比较大：
-
数据集的处理简单粗暴，例如黑客帝国等不符合要求，难以处理的数据直接剔除，这在完善的项目构建中是万万不可取的
-
由于
cyphere语句语法的陌生，知识图谱的作用没有被高效的利用，细心的读者会发现项目中内哦内容的检索仅仅只利用Node下的属性字典中的8个属性，而并没有应用relationship，而relationship个人认为才是知识图谱最核心的竞争力，但是这需要更加高阶的cyphere句法，这也是未来改进和和提高的重点
五、完整代码：
考虑到部分同学
github不流畅，故提供百度网盘链接，后续也会把github链接放上来：
链接：
https://pan.baidu.com/s/1E9-BQUAlfi05dyDgNxK9bQ
提取码：dbo9
Github链接：
https://github.com/booue/Movie-Knowledge-QS-system-using-KnowledgeGraph
终于写完啦！！！初次接触知识图谱，若有不当之处，欢迎批评指正。
文章出处登录后可见！
