本项目是2019年国科大知识图谱课后大作业，代码能力有限，不足之处请多多指教。
本项目是基于知识库上做问答，首先使用带注意力机制的对抗迁移学习做中文命名实体识别(Cao EMNLP2019)，然后再通过别名词典得到近义词，根据这些近义词查询Mysql数据库，得到一些三元组，这些三元组组中包括一些属性。我们先对属性与原问题进行直接字符串匹配进行查询，如不能直接匹配再使用bert做相似度计算进行属性映射，最后进行排序得到结果。整个实验原理参考论文，我把其中的模型进行了替换。
实体识别：https://github.com/CPF-NLPR/AT4ChineseNER
基于Bert做问答: https://github.com/WenRichard/KBQA-BERT
python 3.6.0
tensorFlow_gpu 1.10.0
XAMPP版本为3.3.2
MySQL 5.3.0
GPU TiTan XP
因为git上传大小限制，其中某些模型目录我忽略了
bert文件夹是官方下载的
data文件夹存放原始数据和处理好的数据
DB_Data: clean_triple.csv 录入数据库的三元组信息，是由triple_clean.py文件生成
NER_Data: 里面数据是由construct_dataset.py生成
Sim_Data: 里面数据是由construct_dataset_attribute.py生成
NLPCC2016KBQA：是原始数据
npy：保存的中间文件数据
load_dbdata.py: 将数据导入mysql
其他的都是文件输入数据
ner_ckpt: 存放实体识别的模型，我已经训练好了
ModelParams: 存放bert中文预训练模型chinese_L-12_H768_A-12，太大了，我上传时忽略了
output: 存在相似度模型
基于AT的实体识别：
Nlpcc_model.py
base_model.py
preprocess_nlpcc2016.py
train_nlpcc2016.py
test_nlpcc2016.py
基于句子相似度的计算：
args.py
run_similarity.py
最终KBQA模块
kbqa_test.py
我的模型和数据都放在里面了，修改了mysql连接信息load_dbdata.py导入数据可以直接运行，然后再运行run_similarity.py训练模型，
最后运行kbqa_test.py即可。
如果想要运行自己的数据和模型，按照下面步骤：
step1: 构建自己的实体识别模型，我的是Nlpcc2016_model.py, 运行prepocess_nlpcc2016.py
再运行train_nlpcc2016.py训练模型，最后运行test_nlpcc2016.py生成测试集识别结果/images/AT4.png
step2: 运行run_similarity训练bert模型
step3: 最后运行kbqa_test.py生成最后结果
首先是实体识别模块的运行结果：
最后我的实验结果:
| QA fully based on Bert | QA based on Bert,AT | |
|---|---|---|
| total | 9870 | 9000 |
| recall | 9303 | 8639 |
| correct | 8029 | 7566 |
| ambiguity | 613 | 532 |
| accuracy | 86.305% | 87.579% |
说明：两个实验虽然都是来自于同一数据集，但是在设计我的实验时进行了去噪，所有实验数据只有9000条，故两个实验不能形成严谨的对照，只能做参考，
后续会做改进。
两个实验在数据集大致相等的情况下，我的实验比Bert实验准确率更高，但是总体召回率较低。我分析原因有两个方面，一方面对抗网络的中的LSTM比bert当中 transFormer特征提取能力要差一点，这一点，可以通过实验验证，但是使用对抗网络的实体识别准确率更高。所以后续问答实验中的准确率较高，这一点可以通过 ambiguity (属性匹配正确但是答案不正确)值较低得到验证。另外一个方面就是我训练实体识别模型还不够完善，loss是0.07停止训练，没有达到最低值。
关于相似度计算中，还可以使用其他方法来做，比如在第一步非语义匹配当中，我们是直接使用子串匹配，像比如TF-idF,BM25等等，是否会更好，有待于实验验证。 在语义计算当中，是否可以使用GCN或者key-value menmory Networks来完成，也可以设计实验来做。