2021年2月22日学习报告1

这篇学习报告主要涉及了知识图谱的构建以及基于知识图谱的问答系统开发。以下是相关知识点的详细说明： 1. **知识图谱构建**：知识图谱是一种结构化的知识存储方式，它通过节点（实体）和边（关系）来表示现实世界中的事物及其相互关系。在报告中，以豆瓣电影为例，实体包括电影名字、评分、排名和链接，关系则涵盖了名字的别称、排名关系、链接对应关系和评分关系。 2. **数据获取与清洗**：构建知识图谱的第一步是从数据源获取数据，通常是通过网络爬虫技术抓取网页数据。接着，对半结构化的数据进行清洗，去除噪声和不完整的数据，以确保数据质量。 3. **数据导入Neo4j**：Neo4j是一款流行的图形数据库，适用于构建和查询知识图谱。报告中提到，处理后的数据被导入到Neo4j服务器，但要注意，如果误导入数据且标签错误，可能需要卸载并重新安装不同版本的Neo4j来修正。 4. **问答系统框架**：构建问答系统涉及三个关键步骤：(1) 输入问题的实体和关系抽取，这通常需要用到自然语言处理技术；(2) 关系分类，将识别出的关系归类；(3) 数据解析和匹配，将问题映射到对应的Cypher查询语句，Cypher是Neo4j的查询语言，用于查询和操作图数据；(4) 搜索并输出答案。 5. **遇到的问题**：(1) Neo4j的数据标签修改问题，一旦数据导入，标签不易更改；(2) 数据清洗过程中的噪声数据处理，可能需要人工干预；(3) 问答系统的多步回答机制，通过全局变量实现，这表明系统需要改进以提高灵活性。 6. **应用到农业水稻**：(1) 农业知识图谱设计，包括语义类型、关系设计和本体对象设计；(2) 数据来源可以是结构化数据和NLP模型抽取的实体关系，甚至可以针对特定领域开发新的实体识别模型；(3) Neo4j作为构建知识图谱的常用工具，但也有其他如Protégé等选择；(4) 问答系统需增强对问题灵活性的处理，例如实体的相似度匹配。 7. **未来计划**：继续进行水稻知识图谱的知识设计，深入研究和学习相关领域，包括NLP技术、问答系统框架的优化以及特定领域的实体识别模型开发。 以上内容详细阐述了从数据获取、知识图谱构建到问答系统开发的全过程，以及在农业领域的潜在应用和未来的研究方向。