[发明专利]一种编程教育知识图谱构建、补全与智能问答的方法

权利要求书

1.一种编程教育知识图谱构建、补全与智能问答的方法，其特征在于，该方法包括以下具体步骤：

步骤1：构建一个包含程序设计基础、数据结构、算法课程知识的编程垂直领域知识图谱，具体包括：

A1：借助书籍、网站结构化知识源，从中提取本体模式和知识点，用自顶向下的构建方式得到本体约束，构建本体约束五步法：确定本体的专业领域和范畴、列出本体中的重要术语、定义类和类的层次关系、定义类的属性、定义类之间的关系；

A2：将编程领域书籍、网站的知识文本语料中每句知识点作为一条语料数据，人工标注每条语料数据包含的实体，这些语料数据构成语料数据集，采用标注方法BIO对数据进行标注，即注明句子中每个字是知识点术语实体的开头、知识点术语的中间或其他非知识点术语词汇，将语料中整理出的知识点术语实体整合得到知识点术语词典；

A3：使用模型BiLSTM-CRF结合步骤A2构建的知识点术语词典进行实体匹配识别，即双向LSTM网络作为特征提取器，序列化标注算法CRF进行命名实体识别输出；

A4：人工从编程领域书籍、网站知识库中提取实体、关系，结合步骤A3识别的实体，组成头实体-关系-尾实体形式的结构化文本；

A5：将步骤A4得到的结构化文本按照步骤A1构建的本体约束存入Neo4j数据库作为数据层，数据层得到一个包含程序设计基础、数据结构、算法课程知识的编程垂直领域知识图谱；

步骤2：基于节点中心性判别的知识图谱质量评估算法，查找步骤1构建的知识图谱的不完善之处，具体包括：

B1：节点重要程度即权重用NI值表示，如果节点A指向节点B，将B的NI值加在A的NI值上，每次计算出的NI值用于下一轮迭代，直到两次迭代间的误差小于阈值；

B2：统计知识图谱每个节点定义的有无、数据结构相关操作的个数、运算操作代码的有无、知识点关联题目的个数，根据统计结果计算得分；

B3：将步骤B1计算得到的节点NI值和步骤B2统计得分做乘法，得到最终节点完善程度得分，得分低的实体即为知识图谱中不完善处；

步骤3：对步骤2查找出的知识图谱不完善之处进行补全，具体包括：

C1：对于步骤B3计算出的完善程度得分低的节点，数据管理员优先在Neo4j图数据库中进行补全；

C2：对于缺失情况繁杂、补全任务庞大的，通过众包方案予以解决，即数据管理员在搭建的众包平台上发布添加题目、添加节点、修改节点及其他四类任务，交由用户解决，用户在使用平台中主动在众包平台发布补全方案；

C3：管理员对步骤C2用户在众包平台发布的补全方案进行审核、通过，管理员根据通过的补全方案对知识图谱进行补全，得到一个完善的包含程序设计基础、数据结构、算法课程知识的编程垂直领域知识图谱；

步骤4：构建智能问答系统所依托的模板库，具体包括：

D1：从以自然语言形式提问的百度知道平台上爬取原始问题语料数据，对原始数据进行清洗，剔除问句中无实际意义部分：包括特殊符号、重复标点、客套催促短语及语气词；

D2：同类问句间语义和结构有共性、只有主题词不同，对步骤D1预处理后的问句进行主题词遮盖，对遮盖主题词后的问句数据用模型Bert将文本转化成定长向量，提取特征，用K均值算法和紧邻传播聚类算法进行文本聚类，同类相似问句结构归为一类；

D3：对步骤D2文本聚类而得的每一类问句定义模板的格式，包含问句模板和答案模板，根据该类问句特征将问句转化为在步骤C3构建的知识图谱中进行查找的cypher语句，cypher语句返回的结果填入答案模板，完成模板库的构建；

步骤5：进行问答系统的验证，具体包括：

E1：人工提取知识图谱中知识点，构建知识点实体词典，使用HanLP分词工具对问句进行分词、序列标注及预测单词类型，问句中匹配实体词典的知识点实体标注为特殊词性；

E2：向量化步骤E1知识点实体词典中的实体和步骤E1分词问句得到的单词，计算二者相似度进行实体链接匹配；

E3：对经实体链接后的问句与步骤D3构建的模板库中的问句模板计算相似度，进行模板匹配，若匹配度大于预设阈值，则模板匹配成功，否则选取默认模板作为匹配结果，根据模板给出的cypher语句在知识图谱中查找，返回的答案填入答案查询，得到问句的回答。