16、基于知识图谱的事实信息检索聊天机器人开发

基于知识图谱的事实信息检索聊天机器人开发

1. 引言

在当今信息爆炸的时代，聊天机器人成为了人们获取信息的重要工具。本文将介绍一种基于知识图谱的事实信息检索聊天机器人的开发过程，包括其核心设计、数据处理、意图分类、信息检索等方面，并与DBpedia聊天机器人进行了对比。

2. 开发环境与数据准备

2.1 开发环境

• 硬件 ：训练和测试NMT方法使用Google Collab的GPU实例；使用关键字提取方法构建聊天机器人时，使用具有16GB RAM、500GB SSD和8GB Nvidia MX - 150 GPU的Linux机器。
• 框架 ：使用Rasa、Flask和PyTorch框架。
• 库和API ：重要的库和API包括SPARQL Wrapper、Wikipedia、DBpedia Lookup API和MySQL包。
• 数据库和端点 ：使用DBpedia Open Knowledge Graph、Virtuoso的SPARQL Endpoint和MySQL数据库。

2.2 数据收集

使用多个数据集来训练聊天机器人和进行NMT实验：
- QALD - 9 ：包含约558个问题及对应的SPARQL查询和答案。
- LCQUAD ：包含长而复杂的问题及对应的SPARQL查询