基于知识图谱的电影问答系统的研究及应用.pdfVIP

基于知识图谱的电影问答系统的研究及应用

摘要

大多数情况下，人们通过选择搜索引擎搜索电影信息或者线下去电影院看电影，这

种获取电影信息的方式，耗费时间，并且无法准确搜索感兴趣的电影信息，与人们追求

高质量问答答案和简洁轻便的处理方式相违背。因此，本文的研究重点是构建电影领域

知识图谱的问答系统。针对网络捕获的大量非结构化数据存在实体识别和关系提取不准

确，以及传统的电影信息查询和检索方法泛化能力较弱等问题，对电影知识提取和探索

智能问答领域做出探索，本文的研究工作主要包括以下三点：

（1）构建电影研究领域的知识图谱。针对现有的电影领域知识图谱实体种类少和

数据量不足等问题，通过借助爬虫技术，获取大量非结构化电影数据，为了保持数据的

清洁性，采用知识图谱构建方法，将数据处理成8种实体、7种实体关系，并通过Cypher

语句导入Neo4j数据库中，构建电影知识图谱。

（2）电影知识图谱问答算法模型设计。针对用户提问方式和自然语言表达的多样

性和复杂性，提出了一种基于电影知识图谱问答算法模型。使用集成了RWBC模型来

识别问题中的实体，F1值为93.8%，与RoBERTa-BiLSTM-CRF模型相比，F1值提高了

5.6%。并将提问问题类别分为15类，设计了一个RWTR模型来对用户的问题意图进行

分类，F1值为91.6%。最后，使用Cypher语句构建了一个查询语句，在电影知识图谱

中搜索答案，查询准确率为92.12%，实现了基于知识图谱的电影问答算法设计。

（3）可视化电影知识图谱的问答系统应用和实现。Django框架用于集成知识图谱

和问答系统的不同模块，设计一个简单实用的对话界面，提供了影片知识图谱显示功能、

实体和关系查询功能、实体识别功能、电影问答功能。并进行了系统测试。

论文针对电影领域缺乏相关数据集和大多数电影知识图谱涵盖实体数量少等情况，

构建了全新的电影知识图谱。为了使问答的准确性得到提升，并设计了命名实体识别模

型和问句意图理解模型应用于问答算法设计。最后实现了用户友好的交互电影问答系

统，提供电影知识查询平台。

【关键词】：电影问答；命名实体识别；文本分类；知识图谱问答系统

Researchandapplicationofamoviequestion

answeringsystembasedonknowledgegraph

Abstract

Withthecontinuoussatisfactionofpeoplesmaterialconditions,theygraduallybeganto

payattentiontotheconstructionofspirituallife.Watchingmoviestocultivateoneselfhas

becomeacommonwayofentertainmentforpeopleafterteaanddinner.Therefore,itis

essentialtogatherwithfriendstodiscussfilmknowledge.Inmostcases,peoplesearchfor

movieinformationthroughsearchenginesorwatchmoviesinofflinecinemas.Thismethod

ofobtainingmovieinformationistime-consumingandcannotaccuratelysearchformovie

informationofinterest,whichgoesagainstpeoplespursuitofhigh-qualityQAanswersand

simpleandlightweightprocessingmethods.Therefore,thefocusofthisarticleistoconstruct

aquesti