基于知识图谱的领域问答系统构建技术的研究与应用.pdf

摘要

近年来，随着互联网技术的迅猛发展，大量的专业领域知识通过各种方式涌入

到互联网中，用户如何从中获取有效信息也变得越来越具有挑战性。问答系统通过

语义信息分析用户问题，做出更简洁的回答，渐渐变成信息检索的新方式。

本文以医疗领域为例，分析构建领域问答系统的相关技术，并且深入研究知识

抽取和语义解析方面的技术，对模型和算法进行了改良，最终构建出基于知识图谱

的医疗问答系统。本文主要研究工作包括以下几个方面：

（1）提出了基于RoBERTa-wwm和全局指针的联合抽取模型RBLGP，目的是

把领域数据中的有效信息提炼成知识。模型采用了实体关系联合抽取的方式取代

传统管道式的抽取方式，减少了误差累积并提高了信息利用率；引入RoBERTa-

wwm预训练模型和BiLSTM来提取文本特征，提高了模型整体的语言理解能力；

采用全局指针完成三元组标记任务，有效避免了实体重叠和三元组重叠的影响。

（2）对智能问答方法中所使用的语义解析模型进行了改进，针对实体识别，提

出了基于RoBERTa-wwm-BiGRU-GlobalPointer模型RBGGP；针对文本分类，提出

了基于RoBERTa-wwm-TextRCNN-TextCNN模型RTT；同时，基于改进后的语义

解析模型，设计并实现了基于语义解析的智能问答方法。

（3）构建了基于知识图谱的领域问答系统。采用爬虫技术从互联网络信息网站

中抽取知识构建知识图谱，利用联合抽取模型获取领域文献中的知识来对图谱进

行补充，再通过文本相似度和语义相似度相结合的计算方法来进行知识融合，再通

过Neo4j数据库完成知识存储，构建出领域知识图谱；在知识图谱的支撑下，使用

改进的基于语义解析的智能问答方法构建领域问答服务；最后，采用前后端分离与

微服务相结合的架构，基于Vue和SpringBoot分别构建前后端，搭建出医疗领域

问答系统。

关键词：知识图谱，领域问答系统，知识抽取，语义解析

ABSTRACT

Inrecentyears,withtheInternettechnologyrapidlydeveloping,alotofprofessional

knowledgehasbeensavedintotheInternetinvariousforms.Howtoobtaineffective

informationfromithasbecomeincreasinglychallenging.Questionansweringsystemcan

resolveusersquestionsthroughsemanticinformationandmakemoreconciseanswers,

whichgraduallybecomesanewwayofinformationretrieval.

Inthisthesis,takingthemedicaldomainasresearchdirection,wediscussthe

relevantmethodofbuildingthedomainquestionansweringsystem.Andweconductin-

depthanalysisandresearchonthetechnologyofknowledgeextractionandsemantic

parsing,improvethedeeplearningmodel.Finally,webuildamedicalquestionanswering

systembasedonknowledgegraph.Themainresearchworkofthisthesisincludesthe

followingaspects:

(1)AjointextractionmodelRBLGPbasedonRoBERTA-wwmandmulti-layer

GlobalPointerisproposedtoe