知识图谱在智能问答中的应用研究

卢 琪，谢艺菲，谢 钧，潘志松

(中国人民解放军陆军工程大学 指挥控制工程学院，江苏 南京 210000)

0 引 言

智能问答(question answering，QA)是自然语言处理(natural language processing，NLP)领域一个重要分支，经过多年的发展，已逐渐成为NLP中最为火热的研究方向之一。智能问答最早可以追溯到二十世纪五六十年代的图灵测试，要求计算机在有限时间内回答用户给出的一系列问题，并且要让用户做出超过30%的误判。第一个问答系统[1]一般认为是诞生于20世纪60年代的“Eliza”，用于对精神病人进行心理治疗。

按照数据可以把问答分为三种类型：

(1)基于文本问答：也称为机器阅读理解式(machine reading comprehension，MRC)问答，每个问题对应若干篇非结构化文本数据，然后从文本数据中检索和抽取答案；

(2)基于知识库问答：也称为知识图谱问答(knowledge graph question answering，KGQA)，即直接从构建好的结构化知识库中检索答案；

(3)基于社区的问答：用户生成的问答对组成了社区问答的数据，例如百度知道、搜狗问答、知乎等论坛。

该文在简单介绍知识图谱和智能问答的基础上，总结归纳了知识图谱用于智能问答系统的研究进展和挑战，并讨论了新兴的研究趋势。

1 知识图谱

知识表示是知识组织的前提和基础。语义网便是早期知识表示的代表，它通过万维网联盟(world wide web consortium，W3C)标准来扩展万维网，使之变成一个数据网。

1.1 知识图谱问答

知识图谱问答的关键在于把用户的自然语言问题转化为机器可以理解的形式查询。传统的知识图谱问答方法主要包括三种：

(1)基于语义解析的方法：把用户给出的自然语言问题转化成逻辑形式，在知识图谱上查询；……