基于Ontology的智能問答系統的研究

王緩緩，張警燦，李 虎

(1.三峽大學 計算機與信息學院, 湖北 宜昌 443002; 2.華中科技大學 圖像識別與人工智能研究所, 武漢 430074)

?

基于Ontology的智能問答系統的研究

王緩緩1，張警燦1，李 虎2

(1.三峽大學 計算機與信息學院, 湖北 宜昌 443002; 2.華中科技大學 圖像識別與人工智能研究所, 武漢 430074)

提出了一種基于Ontology的智能問答系統模型及設計框架。利用StanfordParser語法解析工具對句子進行語法分析；通過規則引擎對語法樹產生的類型依賴關系進行處理，得到句子中的語義信息，生成中間表達式語言DRS。在訓練問答系統時，把DRS轉換成Ontology三元組存儲到RDF庫中；而在查詢問答系統時，把DRS轉換成Sparql查詢語句，通過執行Sparql得到查詢結果。實驗結果證明：這種方案實用、可行，而且可以通過引入本體詞庫提高問答系統回答的準確度和查詢范圍。所提供的方法適用于針對特定領域進行的定制。

本體；智能問答系統；類型依賴；篇章表述結構；資源描述框架； SPARQL

智能問答系統(AIQA)是自然語言理解技術在AI領域智能接口領域的一個研究方向。它通過語法解析及語義分析，查詢答案并返回給用戶。與其他問答系統實現相比，本文提出的方法嘗試從語法分析及語義理解的角度查找答案，比基于關鍵字匹配查詢的準確率要高，比基于模板匹配的問答系統更靈活。問答系統作為人工智能的分支之一，早期的代表系統有1970年代的LUNAR系統[1]，可分析月球隕石相關資料。1993年的BASEBALL[2]系統能回答關于美國籃球聯賽一個賽季的相關問題。自從1999年TREC(text retrieval conference)開始構建QA測試集及評價系統以來，在AIQA領域已經有大量的文獻介紹它的原理及實現方案。如ALICE[3]聊天機器人可通過模板定義和匹配的方式定義問題和答案。 Molla 等[4]在 2007年把問答系統定義為一個能回答任意自然語言形式問題的自動機。Qinglin Guo[5]提出了智能答疑方法，其原理是將領域知識用本體表述，以便通過概率依賴模型來分析詞義。

筆者基于已有研究成果提出基于Ontology的智能問答系統模型，并設計系統框架，主要有以下幾個特點：

1) 問答系統的知識庫采用Ontology來形式化描述和組織，具體實現采用OWL[6]語言。OWL語言是由W3C 組織定制，并已成為事實上的定義、實例化以及開發Ontology 應用的標準語言。本系統通過有效利用Ontology 技術，能夠消除自然語言的歧義，提高用戶自然語言查詢語句的命中率和準確率，有效分離智能問答系統的執行算法和領域知識。因此，本系統可以提高智能問答系統的可信度和可移植性。

2) 篇章表述結構(DRS[7])被本系統采用作為AIQA的中間描述語言。基于MG (Montague Grarnrnar)，篇章表述理論由2部分組成：篇章語義的構造算法和語義的正確性驗證，它是動態的自然語言涵意的形式語義結構，因此可以克服MG 的局限性的語義理論。

3) 系統對自然語言句子的語義理解通過規則引擎技術來實現。規則引擎是專家系統的重要組成部分，其通過定義的規則結合實時數據進行推理。本文通過定義語義規則對StandfordParser[8]產生的類型依賴關系進行推理，得到自然語言的DRS中間描述語言。

4) 本系統需要分離內容與形式或樣式，即實現從DRS 到SPARQL[9]查詢語句的轉換，在系統中通過模板技術來實現。具體包括SPARQL語法設計樣式和DRS描述內容。樣式由SPARQL語法決定，內容由DRS 提供。

1 系統模型及總體設計

AIQA系統框架由2個模塊組成，如圖1所示：自然語言處理模塊、Ontology知識庫模塊。自然語言處理模包含2個子模塊，完成對自然語言句子的語法分析，得到語法樹，然后把語法樹轉換成類型依賴關系作為語言處理模塊的輸出。Ontology 知識生產模塊利用規則引擎技術，根據事先定義好的語義理解規則和語法分析得到的依賴關系事實數據進行推理，得到DRS數據。Ontology知識生產模塊應用規則引擎技術。基于Ontology在較高層次表示查詢語句的語義，DRS語言處理模塊將自然語句轉換成DRS，再轉換成RDF三元組存儲到RDF，然后轉換成SPARQL查詢語句。這樣做可以保證系統能夠從邏輯上、物理上有效分離語言處理和知識表述，使得系統具有較好的可移植性。

生成模塊和問題查詢模板，其中Ontology知識生成模塊和問題查詢模板都依賴于自然語言處理模塊。

圖1 AIQA系統結構

自然語言處理模塊的主要功能包括切詞、單詞變體處理、句法分析和語義解析等。同時，此模塊還提供與用戶的交互。句法解析器的功能是根據句法、語法和詞庫解析查詢語句生成語法樹，然后轉換成類型依賴關系數據。之后語義解釋器把類型依賴關系轉換成規則引擎處理的事實數據，插入到規則引擎中，根據規則來推理，進而生成DRS表達式，即系統的最終輸出。

知識庫處理模塊主要功能是與知識庫系統互動，它接收自然語言處理模塊的輸出DRS表達式，并通過模板引擎技術將其轉換成RDF三元組或Sparql語句。一個完整的自然語言問答過程如下所述：首先，在訓練問答系統的時候，知識庫處理模塊把轉換生成的RDF三元組數據插入到Ontology本體庫中；然后，在查詢答案的時候，通過調用執行模板引擎把DRS表達式轉換成SPARQL查詢語句，接下來調用Ontology本體庫的查詢模塊執行SPARQL語句，得到查詢記錄集；最后，格式化記錄集返回給用戶。

定義1 AIQA系統模型∑，用一個7元組表示：

∑={S,SG,L,Ont,DCG,RDFT,SPARQLT}；

AIQA處理過程定義為如下公式：

其中:S為用戶輸入的自然語言語句；SG為自然語言語法規則；L為詞庫；DCG是自然語言語義語法規則；RDFT表示RDF模板；SPARQLT表示SPARQL模板；STD表示類型依賴關系；SP表示語法解析器；DRS為篇章表述結構；SI是語義解析器；Ont是Ontology知識庫；RDF為Ontology三元組；RDFG表示RDF三元組生成器；SPARQL表示知識庫查詢語句；SPARQLG表示知識庫查詢語句生成器；OntMS是本體知識庫管理系統；R是最終的自然語言查詢結果。

2 語言處理模塊

2.1 句法分析

句法分析子模塊的主要功能是根據自然語言的語法規則和預定義的詞庫(包括通用詞庫和領域詞庫)對自然語言查詢句子進行句法分析，得到語法樹結構，然后把語法樹結構轉換成比較容易處理的類型依賴關系結構數據。有很多工具可以實現該功能。本系統選用基于概率統計的Stanford Parser DRS，與其他工具相比，其具有如下優點[10]：

1) Stanford parser 是一個比較完善的自然語言解析工具，綜合了多個解析算法；

2) Stanford parser提供除英文之外的其他多種語言的語法解析功能，因此可比較方便地遷移到中文數據庫系統中；

3) 它是斯坦福大學提供的免費開源軟件，活躍度較高，版本更新快。

2.2 語義分析

語義分析是把句法分析得到的語法樹轉換成篇章表述結構DRS語義表達式。DRS語義表達式可以根據具體應用轉換成其他的知識表示形式，比如一階謂詞邏輯(FOL)、描述邏輯(DL)等。在本系統中把DRS語義表達式轉換成RDF三元組或SPARQL查詢語句，然后傳遞給知識庫處理模塊進行訓練或則查詢處理。

2.2.1 定義DRS結構

DRS是對自然語言文集的語義表示。任何一個DRS由話語所指示集(discourse referents)和條件集(conditions)兩部分組成。比如英語句子及其DRS：

A farmer chased a donkey.

[x,y:farmer(x),donkey(y),chased(x,y)]

可以看出這個DRS有2個個體：一個是farmer，另一個是donkey，且farmer 追趕(chased)donkey。這個DRS包含2個指示集x和y；包含3個條件集，分別是farmer(x)、donkey(y)和chased(x,y)。

DRS用一個扁平標注結構表示一個邏輯原子。比如對上面的例子，英語句子“A farmer chased a donkey.”其條件集farmer(x)，donkey(y)，chased(x,y)采用單詞表示，如果采用這樣的表示方法，在語義處理時會出現大量這樣的謂詞形式，不利于后續的處理任務。為了簡化處理，本文采用ACE定義的DRS結構，對DRS的條件謂詞進行限制，采用少量定義的謂詞結構(比如class,object，property,predicate等)表示大量扁平結構的條件謂詞。通過降低謂詞的數量來降低后續處理的復雜度。上面句子的DRS表達式可表示為：

[x,y:object (x,farmer),object(y,donkey),predicate(x,chased,y)]

ACE DRS結構分兩種類型，一種是基本類型，由基本的語義元素組成；另一種是復雜類型，是對基本類型的運算組合。本文參照ACE DRS類型定義出本文所需的DRS結構，具體類型定義如表1所示。

表1 DRS類型及表示結構

2.2.2 查詢句子語義分析

自然語言句子通過規則引擎技術映射成DRS結構數據。其中，實義詞映射成DRS的原子條件，功能詞映射成DRS的邏輯連接詞、DRS條件參數或共享變量。盡管自然語言句子比對應的DRS有更豐富的表達式，實驗證明這樣的映射是確實可行的。對名詞、形容詞、動詞等結構遵循下面映射規則：

1) 名詞映射成object條件：

(defrule PRE::pos_nn

(token (tid ?tid) (lemma ?lemma) (pos NNP|NNS|NN|NNPS|PRP) (sid ?sid) (index ?idx))

=>

(assert (object (tid ?tid) (lemma ?lemma) (pos N) (sid ?sid) (index ?idx)))

)

(defrule PRE::pos_dt_to_nn (declare (salience 2000))

?f1<-(token (tid ?dt) (pos DT) (sid ?sid) (index ?idx))

(td (type cop) (gov ?dt) (dep ?dp) (sid ?sid))

=>

(modify ?f1 (pos NN))

)

(defrule SENSE::class_nns (declare (salience 1000))

(token (tid ?noun) (lemma ?lemma) (pos NNS|NNPS))

(not (t (s ?noun) (p rule:class)))

??f<-(ner (tid ?noun) (ner ?ner))

(test (neq ?lemma ?ner))

(test (neq ?class DURATION))

=>

(modify ?f (class?lemma))

)

2) 識別名稱對應的class：

(defrule PRE::pos_no_ner

(token (tid ?tid) (lemma ?lemma) (pos NN|NNS|NNP|NNPS|RB|J) (sid ?sid))

(not (class (tid ?tid) (ner ?ner)))

(test (and (neq ?lemma not) (neq ?lemma no)))

=>

(assert (class (tid ?tid) (sid ?sid)))

)

(defrule PRE::pos_no_ner_prp

(token (tid ?tid) (lemma ?lemma) (pos PRP|PRP$) (sid ?sid))

(not (class (tid ?tid) (ner ?ner)))

(test (and (neq ?lemma not) (neq ?lemma no)))

=>

(assert (class (tid ?tid) (sid ?sid)))

)

(defrule PRE::pos_no_clas_dt

(token (tid ?tid) (pos DT) (sid ?sid))

(not (ner (tid ?tid) (ner ?ner)))

(td (type nsubj|dobj) (gov ?vb) (dep ?tid))

(predicate(tid ?vb) (pos V) (sid ?sid))

=>

(assert (class (tid ?tid)(sid ?sid)))

)

3) 形容詞映射成property 條件：

(defrule PRE::pos_jj

(token (tid ?tid) (lemma ?lemma) (pos JJ|JJR|JJS) (sid ?sid) (index ?idx))

=>

(assert (property (tid ?tid) (lemma ?lemma) (pos J) (sid ?sid) (index ?idx)))

)

4) 動詞映射成predicate條件：(defrule PRE::pos_vb

(token (tid ?tid) (lemma ?lemma) (pos VB|VBD|VBG|VBN|VBP|VBZ) (sid ?sid) (index ?idx))

=>

(assert (predicate (tid ?tid) (lemma ?lemma) (pos V) (sid ?sid) (index ?idx)))

)

(defrule SENSE::vb_nsubj

(td (type nsubj) (gov ?vb) (dep ?subj) (sid ?sid))

(predicate (tid ?vb) (lemma ?lemma) (pos V))

(test (neq ?lemma be))

=>

(assert (t (s ?vb) (p rule:nsubj) (o ?subj) (sid ?sid)))

)

(defrule SENSE::vb_rcmod

(td (type rcmod) (gov ?noun) (dep ?vb) (sid ?sid))

(predicate (tid ?vb) (pos V))

(not (td (type nsubj) (gov ?vb) (dep ?which)))

(not (td (type nsubjpass) (gov ?vb)))

=>

(assert (t (s ?vb) (p rule:nsubj) (o ?noun) (sid ?sid)))

)

(defrule SENSE::vb_rcmod_nsubj_which

(td (type rcmod) (gov ?noun) (dep ?vb) (sid ?sid))

(td (type nsubj) (gov ?vb) (dep ?which))

(predicate (tid ?vb) (pos V))

(object(tid ?which) (lemma which))

=>

(assert (t (s ?vb) (p rule:nsubj) (o ?noun) (sid ?sid)))

)

(defrule SENSE::vb_passive_dobj

(td (type nsubjpass) (gov ?vb) (dep ?dobj) (sid ?sid))

(not (td (type dobj) (gov ?vb) (dep ?obj)))

=>

(assert (t (s ?vb) (p rule:dobj) (o ?dobj) (sid ?sid)))

)

比如英語句子“Every man is a human.”可以映射成下面的DRS：DRS([A]

object(A,man,man,PERSON,male,eq,1,na)

)

=>

DRS ([B,C]

class(B,human,na)

predicate(C,be,A,B)

)

3 知識庫處理組件

接下來要做的是把包含了自然語言語句的信息的DRS按照RDF三元組或SPARQL語法規則進行轉換，生成對應的語句，然后傳遞給OntMS進行處理，并得到結果。

從DRS到RDF三元組的轉換比較簡單，直接把DRS表述結構的元素轉換成三元組形式。較為復雜的是把DRS表達式轉換成SPARQL，本系統采用轉換模板實現該功能。首先在轉換模板中定義轉換規則。然后將DRS表達式數據及語義信息直接映射到模板文件中的變量，從而產生對應的語句。轉換過程的關鍵是選定模板以及定義在模板中的轉換規則。現在有可能的模板技術有Xslt、Velocity、Freemarker等，本文采用Velocity。DRS表述語句到RDF三元組的映射規則比較簡單，不在這里描述，以下給出的是根據DRS描述語言生成的SPARQ語句的Velocity模板定義：

PREFIX p2:

PREFIX source:

PREFIX rule:

# 映射DRS到SPARQL

select

# 查詢字段

distinct ?domain ?graph ?text ?group ?T1 ?PID1 ?T2 ?PID2 ?T3 ?PID3

# 查詢條件

where

{

{

?text source:belongTo ?domain.

Filter(?domain in (${app},${domain}))

}

?text rule:hasPart ?graph.

?text source:isString "false"^^.

?text source:sameAs ?group.

FILTER(NOT EXISTS { ?any source:hasQuestion ?group })

GRAPH ?graph

{

?T1 rule:isHeadword "true".

?T1 rule:dobj ?T2 .

}

#foreach(?${token} in ${tokens})

{

{

?${token} rule:sense2 ?T1sense.

Filter (?${token}sense in (

#foreach(${sense} in ${senseList})

${sense},

#end

).

OPTIONAL {?${token} rule:param ?PID1.}}

UNION { ?${token} rule:param ?PID1.

?${token} a ?${token}class.

Filter (?${token}class in (p2:VERB,p2:TERM)). }

}

#end

MINUS

{

#foreach(?${minusToken} in ${minusTokens})

{

?${minusToken} rule:lemma ?${minusToken}_lemma.

FILTER NOT EXISTS { ?${minusToken} rule:sense2 ${minusToken}.lemma. }

}

FILTER NOT EXISTS { ?${minusToken} rule:param ?PID3.?${minusToken} a p2:TERM. }

#end

}

#foreach(?${fileterToken} in ${fileterTokens})

FILTER NOT EXISTS {?${fileterToken} rule:aux rule:negative.}

#end

}

OntMS目前已經被廣泛研究和使用，此處可以采用Apache的Jena項目的SDB數據庫對本體知識庫進行管理。Jena定義了操作RDF的是標準API，可以顯著提高系統的可移植性。本文只返回SDB知識庫查詢的結果記錄，并格式化成一個XML格式數據輸出。

4 實驗

本文提出了一種基于Ontology的智能問答系統模型及設計框架。利用StanfordParser語法解析工具對句子進行語法分析；通過規則引擎進行語義解析；采用DRS表述語言描述語義信息。RDF數據存儲在SDB數據庫中，通過SPARQL語句查詢RDF數據庫。

由于本文只是對簡單句子進行處理，所以實驗選擇的數據時從TREC 提供的測試集中抽取82個簡單句子進行訓練和查詢，分別采用將原句子變為被動語句、句子添加其他成分使其變得復雜、用同義詞替換句子中的詞、增加同義詞庫、特殊處理等方式進行實驗，實驗結果如圖2所示。

圖2 SQLServre Pubs數據庫測試數據分析

實驗結果證明此模型基本滿足智能問答查詢。在用原句子進行查詢時，基本能夠找到對應的答案，查詢準確率達到92%。如果把查詢語句變換成被動語句，查詢準確率降低到79%。如果在查詢句子中添加其他成分，使句子變得復雜，查詢結果明顯降低，為68%。如果再用同義詞替換句子中的單詞，查詢準確率進一步降低到50%。可以通過定義同義詞庫解決同義詞查詢問題。造成查詢失敗的主要原因是Standford對句子的解析并非完全正確，如果對其生成的語法書進行有效的矯正，可以顯著提高查詢準確率。

顯然，本文提出的模型只是基于Ontology知識庫研究工作的初步結果。為了進一步提高這種模型和方法的可用性，還有一些難點需要解決，比如解決復雜句子的查詢問題、根據上下文查詢問題和帶有表達式語句的復雜查詢等問題。

[1] WOODS W A.Lunar rocks in natural English:explorations in natural language question answering[J].Linguistic Structures Processing,1977(5):521-569.

[2] GREEN B F,WOLF A K,CHOMSKY C,et al.BASEBALL:an automatic question answerer[C]//Proceedings of the Western Joint IRE-AIEE-ACM Computer Conference[M].New York:ACM,1961:219-224.

[3] 夏天,樊孝忠,劉林.ALICE 機理分析與應用研究[J].計算機應用,2003,23(9):1-5.

[4] MOLLA D,VICEDO J L.Question answering in restricted domains:an overview[J].Computational Linguistics,2007,33(1):41-61.

[5] QINGLIN G,MING Z.Question Answering Based on Perva-sive Agent Ontology and Semantic Web[J].Knowledge-Based Systems,2009,(22):443-448.

[6] MCGUINNESS D L,VAN H F.OWL web ontology language overview[J].W3C recommendation,2004,10(10):135-140.

[7] EIJCK J,KAMP H.Representing discourse in context[M].[S.l.]:The Hague Area:Centrum voor Wiskunde en Informatica,1996.

[8] THE STANDFORD NATURAL LANGUAGE PEOCESSING GROUP.The Stanford Parser:A statistical parser[EB/OL].[2017-03-26].http://nlp.stanford.edu/software/lex-parser.shtml.

[9] PRUD E,SEABORNE A.SPARQL query language for RDF[Z].2006.

[10]王緩緩，李虎，石永.基于語義 Web 的受控自然語言推理模型[J].計算機科學,2011,38(2):187-190.

(責任編輯 陳 艷)

Research of an Ontology-Based Intelligent Question-Answering System

WANG Huan-huan1, ZHANG Jing-can1, LI Hu2

(1.Collage of Computer and Information Technology, China Three Gorges University, Yichang 443002, China; 2.Institute of Pattern Recognition & Artificial Intelligence, Huazhong University of Science & Technology, Wuhan 430074, China)

This paper proposed an approach to creating an ontology-based intelligent question-answering system which allows end-users to train and query answer from an ontology database. Our approach integrates StanfordParser as the natural language parser. And we used rule engine as the natural language semantic interpreter. The user inputs will be first translated into a syntax tree by syntax analysis and parsing, and then it will be translated into an intermediate expression language DRS by the rule engine semantic interpreter. The template engine will transfers DRS expressions into RDF triple or Sparql sentence. We queried the answer by executing Sparql sentences. This paper presents the framework based on ontology techniques to implement portable AIQA that makes it easier to migrate from one domain to another. The prototype system and our experiments show that our approach has generated good results with excellent performance on common queries.

ontology; artificial intelligence question-answering system; type dependence; discourse representation structure; resource description frame; SPARQL

2017-01-16 基金項目：湖北省教育廳自然科學研究項目(Q20141212)

王緩緩(1978—)，女，博士，副教授，主要從事信息管理與數據挖掘研究，E-mail:tinawang_053101@126.com。

王緩緩，張警燦，李虎.基于Ontology的智能問答系統的研究[J].重慶理工大學學報(自然科學)，2017(5):111-118.

format：WANG Huan-huan, ZHANG Jing-can, LI Hu.Research of an Ontology-Based Intelligent Question-Answering System[J].Journal of Chongqing University of Technology(Natural Science)，2017(5):111-118.

10.3969/j.issn.1674-8425(z).2017.05.019

TP311

A

1674-8425(2017)05-0111-08