CN101436206B - 基于本体推理的旅游问答***答案抽取方法 - Google Patents

Abstract

本发明涉及一种基于本体推理的旅游问答***答案抽取方法。属人工智能领域。特征在于第一步定义领域中的语义规则，进行人工本体知识库的构建，并对用户问句进行分析；第二步将基于语义规则推理与信息检索相结合进行答案抽取，而不是简单地进行匹配。；最后再根据不同的问句类型设计相应的答案抽取算法。本发明提出了一种基于本体推理的问答***答案抽取方法，该方法将本体的思想引入问答***知识库的构建，把旅游领域中的概念、属性和关系用OWL(Ontology WebLanguage)本体描述语言清晰明确地表示出来，更加有效地组织知识。在开放测试中，基于本体推理的问答***对于用户的1346条自然语言提问的回答，准确率达到了81.35％，召回率达到了90.49％。

Description

基于本体推理的旅游问答***答案抽取方法

技术领域

本发明涉及一种基于本体推理的旅游问答***答案抽取方法。属人工智能领域。

背景技术

自动问答***，又称QA(Queslion Answering)***，是一种智能新技术，它采用自然语言处理技术，一方面完成对用户疑问的分析处理：另一方面完成正确答案的生成，让人们在杂乱无章的网络世界中快速、准确地获得自己想要的信息。在现阶段，要让计算机完全理解人类语言还非常困难，但是对于特定的领域，采用针对性的方法，已经开发出许多成功的应用案例。

在受限领域自动问答***中，答案抽取部分是一个难点，关系到整个问答***的最终效果。目前的问答***答案抽取主要分为聊天机器人问答***答案抽取、基于Web的开放式问答***答案抽取、基于知识的问答***答案抽取。

聚天机器人问答***在答案抽取的时候采用模式匹配的方法，来寻找问题最合适的答案。其特点是在与用户的交谈过程中，基于谈话技巧和程序技巧，而不是根据常识。在它们的对话库中，可以存放多个句型、模板，但几乎没有常识库。这种答案抽取方法由于缺乏知识，所以其实际用途不大。

而基于Web的开放式问答***先从Web上检索一些相关文档，对相关文档采取答案抽取技术抽取答案。但是，目前的基于Web问答***大多局限在某个特定领域或者特定范围之内，能够回答的问题类型也比较简单，真正的面向Web开放域的问答***的正确率和精确性都不高，还不能提供良好的商业服务。

基于知识的问答***一般是受限领域问答***，它包含自然语言界面的专家***、基于受限语言的数据库查询***、基于FAQ的问答***、基于本体的问答***。自然语言界面的专家***一般采用各种专家***语言：PROLOG语言、ALLTALK语言、LISP语言等来分析回答用户的疑问，给出回答，现有的专家***一般知识库和推理、回答机制不分离，它们按知识在专家***语言基础上开发程序，使用范围小，可移植性不高。基于受限语言的数据库查询***将问句转换为数据库的SQL语句，通过SQL语句在***数据库中查询答案，这需要一个大数据库的支持，数据库的构建标准很难确定，而且用数据库方式不太适合组织领域知识库。基于FAQ的问答***先计算用户问句和FAQ知识库中问题的相似度，从而找到FAQ知识库中与用户查询最为相似的问题，然后把此问题对应的相关答案直接提交给用户，基于FAQ的问答***回答范围有限，它能回答的内容基本上是问答对所包含的内容，很难用问答对来组织领域内所有的知识。基于本体的问答***现在正处于研究阶段，怎样更好的利用本体来进行答案抽取是一个热门话题。

同时，目前的问答***缺乏推理能力，推理***缺乏自然语言理解能力。正是这个问题困扰着大型知识库***的建设，也使花费巨大的人力物力建立起来的知识库***难以面向公众开展达到一定质量的知识服务。

本体(ontology)原是哲学研究中发展出来的一个概念，研究客观事物存在的本质和组成。本体在哲学定义上的主要特点在于本体是关于世界某个方面的一个特定的分类体系，这个体系不依赖任何特定的语言。近年来，随着信息科学的飞速发展，本体逐渐用于识识工程和信息科学等领域之中。

本体在国外已经成为研究热点，在多个领域出现了具体应用，其研究集中在知识工程，本体工程、信息组织与检索和语义Web等方面。比较著名的通用本体研究包括CYC项目和Chan2drsekaran等的关于任务的问题求解方法本体的研究。前者是美国的微电子与计算机技术有限公司的研究顶目，目标是开发本体，进行常识推理，目前已经发展成为一个庞大的常识***；后者则是研究可共享问题的求解方法，与领域无关的推理方法。比较著名的领域本体研究包括爱丁堡大学的企业项目和多伦多大学的虚拟企业项目。

国内对于本体的研究已有很多年的时间了，比较有影响的有中科院数学所陆汝钤研究员领导的常识知识的实用性研究，中科院计算技术研究所曹存根研究员主持的大规模知识***的研究。以及中科院数学研究所金芝研究员研究的基于本体的软件需求获取方法等。比较有名的通用本体构建研究包括中科院计算技术研究所的大规模知识***研究和中科院数学研究所的常识知识库研究。

发明内容

本发明实现了一种基于本体推理的问答***答案抽取方法，该方法将答案抽取过程分为三步，第一步定义领域中的语义规则，然后将基于语义规则推理与信息检索相结合进行答案抽取，最后再根据不同的问句类型设计相应的答案抽取算法，提高答案抽取的准确率和召回率。

本发明目的在于提出利用本体建立知识库，再定义领域的语义规则，并对用户问句意图进行分类分析，最后利用基于语义规则的推理和信息检索相结合的答案抽取方法从本体知识中进行答案的抽取，在开放测试中，基于本体推理的问答***对于用户的1346条自然语言提问的回答，准确率达到了81.35％，召回率达到了90.49％，取得了良好的效果。

一种基于本体推理的旅游问答***答案抽取方法，其特征在于：第一步以旅游概念作为该旅游本体的顶层，以领域概念、领域属性和领域关系作为本体知识库的构建资源，构成旅游本体的中层，针对每一要素再继续划分，产生底层：然后对知识库进行实例的扩充，构建旅游本体知识库，并对用户问句进行分析；第二步将基于语义规则推理与信息检索相结合进行答案抽取；最后再根据不同的问句类型设计相应的答案抽取算法；

该方法具有包括有：

(1)人工定义旅游领域中的概念、属性和关系，并构建旅游领域本体知识库，最后再对本体的一致性进行检验；

(2)利用步骤(1)的本体知识库中的语义信息对用户问句进行语义消歧；

(3)人工自定义旅游领域中的语义规则；自定义语义规则如下：

【Rule 1：K(x，y)，A(x，z)->A(y，z)】

代表上位概念有的属性，下位概念也有该属性；

【Rule 2：S(x，y)，A(x，z)->A(y，z)】

代表某个概念有的属性，其相似概念也有该属性；

【Rule 3：K(x，y)，x(R)＝z->y(R)＝z】

代表上位概念x和概念z有角色关系R，则其下位概念y和概念z也有角色关系R：

【Rule 4：S(x，y)，x(R)＝z→y(R)＝z】

代表某个概念x和概念z有角色关系R，则其相似概念y和概念z也有角色关系R：

其中上述的K(x，y)表示x是y的上位概念，S(x，y)表示x和y是相似概念，A(x，z)表示z是x的属性，x(R)＝z表示概念x和概念z有角色关系R：

(4)基于步骤(2)的问句分析结果，采用基于步骤(3)中的语义规则的推理和信息检索相结合的方法在步骤(1)的本体知识库中抽取答案；

(5)根据步骤(2)中的不同的问句类型，设计相应的答案抽取算法，在不降低答案抽取速度的基础上，提高***的响应率和召回率。

步骤(1)中定义了旅游领域中的概念、属性和关系，构建的领域本体知识库(云南旅游)。

步骤(2)中利用本体知识库中的语义信息对用户问句进行语义消歧。

步骤(3)中自定义的旅游领域语义规则。

步骧(4)中的规则推理与信息检索相结合的答案抽取方法。

步骤(5)中的根据不同问句类型设计相应的答案抽取算法。

本发明将本体的思想引入问答***知识库的构建，把旅游领域中的概念、属性和关系用OWL(Ontology Web Language)本体描述语言清晰明确地表示出来，更加有效地组织知识。

本发明本体描述某个领域或更广范围内的概念以及概念之间的关系，而这些概念和关系在共享的范围内具有大家认可的、明确的、唯一的定义。在受限领域问答***中采用本体知识库，可以更好的表示知识之间的内在关系，知识的组织更加合理，减少冗余存储，提高答案抽取的准确率和召回率。在开放测试中，基于本体推理的问答***对于用户的1346条自然语言提问的回答，准确率达到了81.35％，召回率达到了90.49％。

附图说明

图1是本发明中所定义的旅游本体类结构图。

图2是本发明提出的基于本体推理的问答***答案抽取方法的流程图。

具体实施方式

我们构建的本体知识库中，共收集了2380条云南旅游本体实例，过程为：

一、定义本体类结构

本体知识库是问答***的大脑，其优劣直接关系到后续的问句分析以及答案抽取的效率以及整个***的性能。因此，在建立领域本体知识库的过程中，我们从领域本体所涉及的范围，应用目的等方面来考虑。设计一个本体的过程一般包括：确定应用范围，确定本体中的概念，属性，确定本体中概念与概念之间以及属性与属性之间的关系，对本体进行编码，对本体的能力进行评估。这样就可以生成一个较完整的知识库。实验采用自顶向下的方法，从领域中概括出主要概念，并逐步细化，建立子类。分析旅游所涉及的小吃、住宿、旅行、购物、娱乐以及风土民情等要素。共定义19个领域概念。图1所示为旅游本体类的信息和结构。首先，以旅游概念作为该旅游本体的Top-level，再粗粒度的将其分为特色食物、住宿、交通方式、风景名胜、地理位置、特产、娱乐活动、少数民族、民族风情等19类，这些构成了旅游本体的Middle-level。针对每一要素再继续划分，就产生了bottom-level。

二、定义本体中的属性

仅有类对很多问题都不能给出回答，因此还需要定义概念和概念间的内部联系。这里所指的联系可分为两种：一种是概念自身的属性，称为“内在属性”，如概念“民族服饰”的颜色这种属性，这一类属性通常连接一个概念和一个值，在OWL中，这种属性被表示为DatatypeProperty。内在属性具有通用性，也就是说该类对应的所有实例都具有这种属性，并且这种属性通常能向下传递，即如果各类具有一个内在属性，那么它的所有子类都继承了这种属性。这样也就要求在属性建模的过程中，一个属性应该为拥有该属性的最大类所拥有。

另一类属性称为“外在属性”，也有的文献直接称之为“关系”，通常用于连接概念间的实例，如概念“风景名胜”的一个外在属性“Locate”连接了概念“地理位置”，表明对于一对分别来自这两个概念的实例来说，可能会存在“Locate”这个关系。“外在属性”在OWL语言中用owl：ObjectProperty定义，并可以用rdfs：domain和rdfs：range指明它的定义域和作用域。还可以将一个属性定义为某个已有属性的子属性。

综合考虑旅游领域中概念的特性，共定义了34个内在属性，23个外在属性。

三、定义属性特性和属性约束

a、属性特性

OWL属性拥有可传递、函数和逆关系等特性，还支持对属性取值的基数约束，从而增强了对属性的推理能力。下面用P(x，y)表示x是P属性值为y，也可理解为x和y之间存在P关系。

(a1)传递属性(TransitiveProperty)：对于任意传递属性P，如果存在P(x，y)和P(y，z)，则有P(x，z)。

(a2)对称属性(SymmetricProperty)：对于任意对称属性P，如果存在P(x，y)，则有P(y，x)。

(a3)函数属性(FunctionalProperty)：对于任意函数属性P，如果存在P(x，y)和P(x，z)，则有y和z必是同一个个体或文字。可以简单的在属性定义中用rdf：type属性声明属性具有函数特性，如：

<owl:ObjectProperty rdf:ID＝”locateWhere”>

<rdf:type rdf:resource＝”owl:FunctionalProperty”/>

</owl:ObjectProperty>

声明locateWhere是函数属性，即任何酒店所在的地理位置都是唯一的，

(a4)逆属性(InverseFunctional)：一个属性A被称为另一个属性B的逆，如果对任意个体x，y间有A关系，当且仅当y，x间有B关系。注：数据类型属性(DatatypeProperty)没有逆属性。如下面声明hasSights是locateWhere属性的逆：

<owl:ObjectProperty rdf:ID＝”hasSights”>

<owl:inverseOf rdf:resource＝”#locateWhere”/>

</owl：ObjectProperty>

OWL DL 不允许将一个数据类型属性声明为传递属性、对称属性或反函数属性。由于抽象语法是对应OWL DL的，因此其中数据类型属性只允许声明是函数属性。根据描述逻辑理论，同时有函数性和传递性的属性会造成推理问题不可判定。因此OWL DL对属性特性的使用做出一定的限制，任意一个属性都不能同时是传递属性和(反)函数属性。

b、属性约束

前面的属性特性主要是对属性的全局定义域和值域的约束，但很多时候属性的值域是根据上下文变化的。这些属性约束主要包括：

(b1)owl：allValuesFrom属性约束要求对于每一个有指定属性的类实例，该属性的值必须是有owl：allValuesFrom从句指定的类的实例。

(b2)owl：someValuesFrom属性约束与owl：allValuesFrom相似，它要求类实例至少有一个指定属性的值是指定的类的实例。如：

<owl:Restriction>

<owl:onProperty rdf:resoure＝”#locateWhere”>

<owl:hasValue rdf:resource＝”#地理位置”>

</owl：Restriction>

定义一个匿名类，包含所有至少有一个locateWhere属性值为“地理位置”类的个体。

四、本体一致性的检验

本体的一致性检验就是要确保本体包含的所有知识之间没有矛盾，其各组成部分构成一个协调的整体。此部分工作主要从类间关系的一致性和基于公理的知识一致性两个方面着手对旅游本体的一致性进行检验。

本体的一致性检验主要通过检验概念的可满足性来实现。检验一个概念的可满足性实际是看是否有解释使得这个概念成立。对一个概念C，如果存在一个解释I使得C是非空的，则称概念C是可满足的，否则是不可满足的。主要通过以下五类推理来实现：

(a)类(概念)——实例关系推理：给定知识库K，C是K中的一个类(概念)，i是K中的一个个体，可对以下类与实例的关系进行推理：判断一个个体时候是C的一个实例：判断在K中C的所有实例：判断在K中i是那些类的实例；判断两个实例之间的关系或判断与某个实例有特定关系的实例。

(b)类(概念)的关系推理：给定类C和D，判断它们之间的关系，主要有子类关系、成员关系以及整体与部分的关系等等。

(c)在类的体系结构中进行推理：给定类C，返回在K中C的所有或相关的超类。或者在K中C的所有或相关的子类。

(d)类的满足性推理：给定一个类C，判断是否C在K中是可满足的(即一致的)。

(e)基于属性的推理：属性与类(实例)有相似的推理，包括：属性——实例关系，属性包含，属性体系结构和属性可满足性等。

五、创建本体的实例

类的结束和个体的开始，决定了最低描述粒度，描述粒度反过来又取决于本体的应用。所以定义本体实例对下一步本体的应用有直接的关系。在本体中创建一个实例，仅需要声明它是某个类的成员即可。如：

</owl：Thing rdf：ID＝”香格里拉”>

<rdf：type rdf：resource＝”#风景名胜”/>

<rdf：type rdf：resource＝”地理位置”/>

</owl：Ting>

声明了个体“香格里拉”，它是“风景名胜”类和“地理位置”类的实例。其中，rdf：type出现多次，说明该个体是多个类的实例。

本发明方法云南旅游领域进行了实验验证，首先， 以旅游概念作为该旅游本体的Top-level，再粗粒度的将其分为特色食物、住宿、交通方式、风景名胜、地理位置、特产、娱乐活动、少数民族、民族风情等19类，采用人工定义的19个领域概念、34个领域属性和23个领域关系作为本体知识库的构建资源，构成了旅游本体的Middle-level，这些针对每一要素再继续划分，就产生了bottom-level。然后对知识库进行实例的扩充，构建旅游本体知识库。

针对提出的以上方法在云南旅游领域进行了实验验证，具体步骤如下：

步骤a1、人工收集了云南旅游的常用问题1346条。

步骤a2、对问句进行预处理，主要是将步骤a1的问题进行分类，将问题分为：景点、小吃、酒店、风土民情、交通、导购23类。

步骤a3、人工自定4条语义规则，用以进行规则推理。 其中，K(x，y)表示x是y的上位概念，S(x，y)表示x和y是相似概念，A(x，z)表示z是x的属性。x(R)＝z 表示概念x和概念z有角色关系R。

自定义规则如下：

【Rule 1：K(x，y)，A(x，z)→A(y，z)】

代表上位概念有的属性，下位概念也有该属性。例如K(动物，人)，A(动物，性别)→A(人，性别)。动物有性别的属性，动物的下位概念人也有性别的属性。

【Rule 2：S(x，y)，A(x，z)→A(y，z)】

代表某概念有的属性，其相似概念也有该属性。

【Rule 3：K(x， y)，x(R)＝z →  y(R)＝z】

代表上位概念x和概念z有角色关系R，则其下位概念y和概念z也有角色关系R。

【Rule 4：S(x，y)，x(R)＝z → y(R)＝z】

代表某概念x和概念z有角色关系R，则其相似概念y和概念z也有角色关系R。

步骤a4、对用户问句进行分析，我们可以发现用户的问句本质上主要有如下三种情况：

(1)主题+实体+属性

(2)主题+事件+角色

(3)问句是一组无序的关键字

步骤a5、对于步骤a4中的(1)，在进行答案抽取的时候可能出现以下三种情况：

a.领域知识owl文档中有其对应的具体节点：

b.没有具体对应得节点，但有明确的领域主体概念：

c.没有具体对应得节点，但可以找到相似主体概念：

对于a，直接从owl文档中提取该节点的一段文本、对于b，可以利用步骤a3中的RULE 1，采用如下推理算法；

设主体概念为C，属性为A在这里我们把“实体+属性”和“事件+角色”统称为属性。

step1 ψ←upper(C)；(φ的上位节点赋给ψ)

step2 lf ψ具有属性A，则owl中有该属性节，找到答案。

else，if ψ不是根节点，则C←ψ，转到step1。

else，没有答案，记录本次回答，提交管理员维护。

对于c，可以利用步骤a3中的Rule 2，采用如下推理算法：

设主体概念为C，其相似主体概念S，属性为A。

step1 找到其相似主体概念S，

step2 if S具有属性A，则owl中有该属性节，找到答案。

else if S不是根节点，则φ←upper(S)，(S)←φ，转到step2。

else 没有答案，记录本次问答，提交管理员维护

步骤a6、对于步骤a4中的(2)，在进行答案抽取的时候可能出现以下三种情况：

对于a，直接从owl文档中提取该节点的一段文本。对于b，可以利用步骤a3中的Rule 3找其先辈节点有否对应的事件和角色。对于c，可利用步骤a3中的rule4先找主体概念φ在本体库中的相似概念ψ，然后转为情况a、b之一进行处理。具体算法采取步骤a5中的算法，其中Rule 1改为Rule 2，Rule 3改为Rule 4即可。

步骤a7、对于步骤a4中的(3)问句是一组无序的关键字的时候，在答案抽取时采用进一步与用户交互的策略或采用基于信息检索的方式进行抽取。

实验结果如表1所示。

表1 基于本体推理的旅游问答***答案抽取方法的实验结果比较

问题数	识别数	错误数	未识别数	准确率(％)	召回率(％)
						l346	1218	251	128	81.35	90.49

从实验结果可以看出，基于本体推理的旅游问***答案抽取的准确率达到了81.35％，而召回率达到了90.19％在测试过程中我们发现，知识库中的相关知识的详细程度以及问句分析的准确度都将直接对答案抽取的准确性。

Claims (1)

1.一种基于本体推理的旅游问答***答案抽取方法，其特征在于

第一步以旅游概念作为该旅游本体的顶层，以领域概念、领域属性和领域关系作为本体知识库的构建资源，构成旅游本体的中层，针对每一要素再继续划分，产生底层；然后对知识库进行实例的扩充，构建旅游本体知识库，并对用户问句进行分析；第二步将基于语义规则推理与信息检索相结合进行答案抽取；最后再根据不同的问句类型设计相应的答案抽取算法；

该方法具有包括有：

(1)人工定义旅游领域中的概念、属性和关系，并构建旅游领域本体知识库，最后再对本体的一致性进行检验：

(2)利用步骤(1)的本体知识库中的语义信息对用户问句进行语义消歧；

(3)人工自定义旅游领域中的语义规则；自定义语义规则如下：

【Rule 1：K(x，y)，A(x，z)-＞A(y，z）】

代表上位概念有的属性，下位概念也有该属性；

【Rule 2：S(x，y)，A(x，z)-＞A(y，z)】

代表某个概念有的属性，其相似概念也有该属性：

【Rule 3：K(x，y)，x(R)＝z-＞y(R)＝z】

代表上位概念x和概念z有角色关系R，则其下位概念y和概念z也有角色关系R；

【Rule 4：S(x，y)，x(R)＝z-＞y(R)＝z】

代表某个概念x和概念z有角色关系R，则其相似概念y和概念z也有角色关系R；

其中上述的K(x，y)表示x是y的上位概念，S(x，y)表示x和y是相似概念，A(x，z)表示z是x的属性，x(R)＝z表示概念x和概念z有角色关系R：

(4)基于步骤(2)的问句分析结果，采用基于步骤(3)中的语义规则的推理和信息检索相结合的方法在步骤(1)的本体知识库中抽取答案：

(5)根据步骤(2)中的不同的问句类型，设计相应的答案抽取算法，在不降低答案抽取速度的基础上，提高***的响应率和召回率。

Images