/KG-demo-for-movie

从无到有构建一个电影知识图谱，并基于该KG，开发一个简易的KBQA程序。

Primary LanguagePython

上手教程

如果对相关概念不是很了解，建议可以先看看该代码配套的知乎专栏系列文章。

环境配置

  1. Python版本为2.7，采用3.0版本请自行修改源码中编码相关代码。
  2. 安装python虚拟环境virtualenv venv。
  3. 切换至虚拟环境source venv/bin/activate。
  4. 安装依赖pip install -r requirements.txt。
  5. 安装jena和fuseki（尽量下载3.7之前的版本，否则会出现配置文件不兼容的情况，也可以自行修改配置文件）。OS X系统可用brew安装，如下所示。 
    brew install jena fuseki

准备数据

有两种方法。

  1. 事先将三元组数据导入tdb

    tdbloader --loc tdb kg_demo_movie.nt

  2. 略过此步。等服务器启动后在管理后台上传数据。

运行服务器

fuseki-server --config fuseki_conf.ttl

问题集锦

  1. 启动服务器时报以下错误 
    #model_inf was aborted because of NodeTableThrift/Write

    推测原因

    InfModel里baseModel和content属性两者不兼容。 
    <#model_inf> a ja:InfModel ;
    ja:baseModel <#tdbGraph> ;
    # ja:content

    解决

    注释掉其中的一项。例如，将content注释掉，等服务器启动后，再上传本体文件。

目录结构

Data文件夹

包含ER图模型文件和创建数据库、表，插入所有数据的sql文件。用户可以直接使用sql文件导入数据到mysql中。

kg_demo_movie文件夹

  • crawler中的movie_crawler用于从The Movie DB下载数据，用户需要自己去网站注册账号，申请API KEY。在脚本中填入自己的API KEY，填写mysql相关参数即可运行。用户需要额外下载的包:requests和pymysql。tradition2simple用于将繁体字转为简体字（声明一下，我找不到该文件的出处了，我是从网上找到的解决方案，如果有用户知道该作者，麻烦告知，我会备注）。
  • KB_query文件夹包含的是完成整个问答demo流程所需要的脚本。
    • "external_dict"包含的是人名和电影名两个外部词典。csv文件是从mysql-workbench导出的，按照jieba外部词典的格式，我们将csv转为对应的txt。
    • "word_tagging"，定义Word类的结构（即我们在REfO中使用的对象）；定义"Tagger"类来初始化词典，并实现自然语言到Word对象的方法。
    • "jena_sparql_endpoint"，用于完成与Fuseki的交互。
    • "question2sparql"，将自然语言转为对应的SPARQL查询。
    • "question_temp"，定义SPARQL模板和匹配规则。
    • "query_main"，main函数。在运行"query_main"之前，读者需要启动Fuseki服务。

ontology.owl

通过protege构建的本体，用户可以直接用protege打开，查看或修改。

kg_demo_movie_mapping.ttl

根据d2rq mapping language编辑的映射文件，将数据库中的数据映射到我们构建的本体上。

kg_demo_movie.nt

利用d2rq，根据mapping文件，由Mysql数据库转换得到的RDF数据。

fuseki_conf.ttl

fuseki server配置文件，指定推理引擎，本体文件路径，规则文件路径，TDB路径等

rules.ttl

规则文件，用于基于规则的推理。

兴趣群

建了一个QQ群，给大家提供一个交流的渠道。由于各种原因，我可能无法及时回答大家的问题；同时，个人的力量是渺小的，我对各位遇到的问题也不一定都了解，因此希望大家通过这个群能解决自己遇到的问题。群主题不局限于KG，也包括NLP的一些话题。

image