面向自然問句的SPARQL查詢生成方法研究與實現.pdf

1、隨著互聯網數據的持續(xù)增長，能夠自動檢索獲取答案的需求日益增強。由于RDF數據集具有覆蓋面廣和結構化等的特點，RDF數據集成為知識問答系統(tǒng)的高質量的數據源。同時SPARQL作為一種有效的語法結構，能夠查詢RDF數據集。如何利用這兩種技術，實現知識問答服務，是一個巨大的挑戰(zhàn)。知識問答系統(tǒng)能夠通過用戶輸入自然語言檢索出答案。知識問答系統(tǒng)通常包括本體圖結構構建，圖的存儲和索引，以及自然語言解析檢索結果三個階段。本文重點研究了自然語言解析和查詢語

2、句生成技術，通過將自然語言轉換成可以檢索RDF數據的SPARQL語句，得到檢索結果。本系統(tǒng)運用成熟的web技術，設計了面向用戶的高可用服務，幫助用戶自動檢索問題。服務依賴于對自然語言處理技術，包括關系模式抽取，命名實體識別，索引技術的探索和挖掘。通過分析自然語言和SPARQL語句的特點，運用問句糾錯，詞性還原，問句解析，規(guī)則抽取，資源映射，SPARQL語句生成，結果校驗方法設計和實現了面向自然語言轉 SPARQL的知識問答系統(tǒng)。

3、　　本研究主要內容包括：⑴結合語法分析樹和SPARQL語句特點，抽象出10種語法分析樹到三元組的映射規(guī)則。通過對120種具有代表性的不同復雜度問句運用斯坦福解析器建立語法分析樹，抽象出映射規(guī)則，設計基于樹結構規(guī)則匹配算法。通過研究關系模式抽取技術，提出關系模式抽取優(yōu)化模型。通過候選關系集收集和語義過濾，提高關系模式抽取準確率，幫助擴充映射出的三元組集合。⑵提出SPARQL語句生成方案。通過聲源信道模型和最短編輯距離算法對輸入問句進行語句

4、詞語糾正，并進行詞性還原，根據核心詞構建用戶輸入語句對應的SPARQL語句模版。接下來根據語法樹到三元組的映射規(guī)則，將經過預處理后的語句轉換成語法生成樹，使用樹結構規(guī)則匹配算法將語法生成樹轉換成若干三元組集合。接著對三元組中的關系模式進行擴展，并建立RDF數據集資源的索引庫，索引庫主要包括類索引，實例索引和關系索引，通過檢索資源索引庫，將三元組每個短語映射到對應的資源上。接著根據三元組填充模版庫，構建多個 SPARQL 語句，并根據公式