基于知識圖譜的樂山旅游智能問答系統(tǒng)研究及實現(xiàn)

杜春

（樂山師范學院電子信息與人工智能學院，四川樂山 614000)

0 引言

隨著人工智能技術(shù)的快速發(fā)展，將人工智能技術(shù)運用到現(xiàn)實場景中，從而提高社會的生產(chǎn)生活效率，已經(jīng)成為一個趨勢。智能問答是人工智能技術(shù)中自然語言處理方向應(yīng)用于具體場景的熱門研究方向。通過智能問答系統(tǒng)能實現(xiàn)用戶輸入想要詢問的問題，系統(tǒng)精確返回答案。

伴隨著人民生活水平的提高，越來越多的人熱衷于去外地旅游，而獲取目標景點的信息顯得十分重要。樂山作為擁有樂山大佛、峨眉山等風景名勝的旅游城市，旅游業(yè)是樂山經(jīng)濟的重要產(chǎn)業(yè)之一。為了給來樂山旅游的游客提供準確及時的景點信息，本文開發(fā)了一款旅游智能問答系統(tǒng)。該系統(tǒng)是基于知識圖譜、自然語言處理及深度學習等技術(shù)實現(xiàn)的。

1 國內(nèi)外研究現(xiàn)狀

隨著自然語言處理技術(shù)的快速發(fā)展，智能問答已經(jīng)成為一個人工智能領(lǐng)域的研究熱點。智能問答的實現(xiàn)涉及用戶問句意圖識別，因此需要采用深度學習技術(shù)中的短文本分類模型來實現(xiàn)對輸入問句的意圖分類。智能問答按用途分為任務(wù)型、問答型、閑聊型，按實現(xiàn)的方式分為基于多輪對話式、基于生成式和基于知識圖譜的方式。本文是旅游領(lǐng)域相關(guān)的智能問答系統(tǒng)，適合采用基于知識圖譜的方式來實現(xiàn)。目前，基于知識圖譜的智能問答已經(jīng)有了很多研究成果。例如，洪海藍等人以中藥知識圖譜為知識庫，構(gòu)建了海洋中藥智能問答系統(tǒng)(MMKGQA)[1]。曾攀等人通過構(gòu)建玉米病蟲害知識圖譜，實現(xiàn)了一個玉米病蟲害智能問答系統(tǒng)[2]。張彩麗等人為促進農(nóng)作物科學施肥管理與土壤肥力研究領(lǐng)域海量數(shù)據(jù)在農(nóng)業(yè)生產(chǎn)中的利用，構(gòu)建了對應(yīng)的知識圖譜，實現(xiàn)了一個針對安徽省的農(nóng)作物科學施肥的智能問答系統(tǒng)[3]。華斌等人提出了基于語言理解的政策智能問答方法[4]。劉爽等人構(gòu)建了基于中華民族文化知識圖譜的智能問答系統(tǒng)[5]。饒竹一等人實現(xiàn)了基于知識圖譜的智能客服系統(tǒng)，并應(yīng)用于深圳供電局掌上營業(yè)廳[6]。

2 系統(tǒng)設(shè)計

基于知識圖譜的樂山旅游智能問答系統(tǒng)的實現(xiàn)主要包含了數(shù)據(jù)采集、生成旅游知識圖譜、構(gòu)建用戶意圖識別模型、搭建Web系統(tǒng)等模塊，如圖1所示。

圖1 構(gòu)建智能問答系統(tǒng)所需要的技術(shù)模塊

2.1 采集數(shù)據(jù)

本系統(tǒng)中知識圖譜的數(shù)據(jù)來源于“去哪兒網(wǎng)”“百度百科”等權(quán)威網(wǎng)站，保證了數(shù)據(jù)的準確性及實時性。Python 中為爬取網(wǎng)頁數(shù)據(jù)，提供了一些API,通過這些API 能很方便地進行網(wǎng)頁數(shù)據(jù)的收集。Python 中的Requests 模塊是一個用于網(wǎng)絡(luò)請求的模塊,主要用來模擬瀏覽器發(fā)出請求。當服務(wù)器返回數(shù)據(jù)頁面后，通過BeautifulSoup 來對頁面進行解析，獲取到頁面中的景點信息等數(shù)據(jù)。將采集到的數(shù)據(jù)進行整理后，存儲到CSV文件中，如圖2所示，圖中僅顯示了部分數(shù)據(jù)。

圖2 采集到的景點數(shù)據(jù)

2.2 生成旅游知識圖譜

根據(jù)上一步用爬蟲技術(shù)采集到的數(shù)據(jù)，將這些數(shù)據(jù)導(dǎo)入Neo4j 圖數(shù)據(jù)庫中進行存儲，生成的知識圖譜如圖3所示。Neo4j是一個高性能的,NOSQL圖形數(shù)據(jù)庫，它將結(jié)構(gòu)化數(shù)據(jù)存儲在網(wǎng)絡(luò)上而不是表中。它是一個嵌入式的、基于磁盤的、具備完全的事務(wù)特性的Java 持久化引擎。知識圖譜是由多個節(jié)點與節(jié)點之間關(guān)系以及節(jié)點具有的屬性構(gòu)成。從生成的景點知識圖譜中可以看到每一個城市用一個節(jié)點來表示，同時每一個城市又包含了該城市擁有的景點，這些景點也是用節(jié)點來表示，同時景點節(jié)點還具有“地址、景點簡介、景點英文名、景點名、官網(wǎng)、開放時間、聯(lián)系電話、最適合瀏覽的季節(jié)、景點星級、建議瀏覽時長、交通出行”等屬性，如圖4所示。

圖3 景點知識圖譜

圖4 峨眉山景點節(jié)點的屬性

2.3 構(gòu)建用戶意圖識別模型

當用戶在前端界面輸入問題后，需要對該問題進行分類，以明確用戶到底想問的是什么方面的問題。為了識別用戶問句的意圖，首先根據(jù)旅游景點相關(guān)的問題，制作了20 個問題模板，分別對應(yīng)不同種類的問題。接著，編寫程序構(gòu)建FastText用戶問句意圖分類模型。FastText是Facebook于2016年開源的一個詞向量計算和文本分類工具，它的優(yōu)點也非常明顯，在文本分類任務(wù)中，F(xiàn)astText（淺層網(wǎng)絡(luò)）往往能取得和深度網(wǎng)絡(luò)相媲美的精度，卻在訓練時間上比深度網(wǎng)絡(luò)快許多數(shù)量級。因此使用FastText模型在不損失分類精度的同時還具有模型訓練時間快，響應(yīng)時間快等特點，非常適用于工程應(yīng)用中。FastText模型的訓練要求數(shù)據(jù)集格式必須為“詞1 詞2...__label__1”的形式，如圖5所示，僅展示了部分數(shù)據(jù)集。

圖5 訓練的數(shù)據(jù)集

以下是使用fastText 模型進行問句意圖分類的核心代碼：

2.4 搭建Flask Web系統(tǒng)

Flask 是Python 提供的輕量級Web 框架，使用它能很方便地實現(xiàn)Web 系統(tǒng)。本智能問答系統(tǒng)的前端界面采用了Bootstrap 前端框架來實現(xiàn)。Bootstrap 是一款開源的前端開發(fā)框架，能極大地簡化前端界面開發(fā)流程，提高開發(fā)人員的開發(fā)效率。界面主要分為聊天內(nèi)容顯示區(qū)域及問題輸入框構(gòu)成。用戶輸入要詢問的旅游相關(guān)問題后，點擊“發(fā)送”按鈕，將問句傳遞到后臺，對問句進行中文分詞、去停用詞等預(yù)處理，接著對預(yù)處理后的問句進行命名實體識別，識別出城市縣區(qū)、景點等關(guān)鍵詞，再將預(yù)處理后的問句輸入Fast-Text 問句意圖分類模型中，得到用戶的意圖，經(jīng)過以上處理后，查詢Neo4j圖數(shù)據(jù)庫得到精確答案，并返回到聊天界面中，如圖6所示。

圖6 智能問答系統(tǒng)界面圖

Flask主要代碼如下

3 結(jié)束語

本文通過采集數(shù)據(jù)、數(shù)據(jù)預(yù)處理、構(gòu)建知識圖譜、用戶問句意圖分類、搭建Flask Web系統(tǒng)，實現(xiàn)了一個樂山旅游景點的智能問答系統(tǒng)。該系統(tǒng)經(jīng)測試，運行正常，符合工程應(yīng)用中對系統(tǒng)的響應(yīng)時間要求。本系統(tǒng)中采用了FastText模型構(gòu)建了一個用于用戶問句意圖分類的模型，精確度較高，但本系統(tǒng)中的問句模板的質(zhì)量仍然決定了用戶問句意圖識別的準確率，因此后續(xù)還可進一步完善問句模板以及擴充景點知識圖譜，保證數(shù)據(jù)的完整性和準確性。

4 致謝

本文受到了互聯(lián)網(wǎng)自然語言智能處理四川省高等學校重點實驗室開放基金項目（項目編號：INLP202205)資助，特此感謝。