Μελέτη Μεθόδων Κατασκευής Σύνθετων Ερωτημάτων Σε Σχήματα Rdf Από Φυσική Γλώσσα

Abstract

Ο σκοπός της διπλωματικής εργασίας ήταν η ανάπτυξη εφαρμογής η οποία θα απαντούσε σε σύνθετα ερωτήματα ανθρώπινης γλώσσας κάνοντας χρήση του σημασιολογικού ιστού μέσω διασυνδεδεμένων δεδομένων. Ζητούμενο ήταν μια εφαρμογή που θα μπορούσε να αντλήσει πληροφορίες από παραπάνω από μια συλλογές δεδομένων ενώ θα μπορούσε να απαντήσει τόσο σε απλά ερωτήματα όσο και σε οποιοδήποτε συνδυασμό αυτών εκφρασμένα ως συνδυαστικές ερωτήσεις χρήστη.Για το σκοπό αυτό, μελετήθηκαν και αναλύθηκαν υπάρχουσες προσεγγίσεις στην ερευνητική περιοχή της απάντησης ανθρώπινων ερωτημάτων από μηχανή (Question Answering). Για κάθε μια σημειώθηκαν προτερήματα και μειονεκτήματα καθώς και σημεία βελτίωσης. Μια εξ' αυτών διαδραμάτισε σημαντικό ρόλο στην επίτευξη του στόχου. Συγκεκριμένα, για την εφαρμογή Quepy [1] μελετήθηκε και επιβεβαιώθηκε η ικανότητα απάντησης ερωτημάτων ενώ εντοπίστηκε η αδυναμία χειρισμού παραπάνω της μιας συλλογής δεδομένων καθώς και ο συνδυασμός ερωτήσεων για την απάντηση πιο σύνθετων ερωτημάτων.Ο στόχος επιτεύχθηκε κάνοντας χρήση και επεκτείνοντας το Quepy. Στηριζόμενη σε αυτή, αναπτύχθηκε η εφαρμογή ανοιχτού λογισμικού InterQuepy [2] στη γλώσσα προγραμματισμού Python. Με εκτεταμένη χρήση των αρχών του αντικειμενοστραφούς προγραμματισμού καθώς και απαραίτητων σχεδιαστικών προτύπων, η τελευταία, επιτυγχάνει την απάντηση σύνθετων ερωτημάτων συνδυάζοντας γνώση διαφορετικών συλλογών δεδομένων.The scope of this thesis was to develop an application that would respond to complex human language queries using semantic web through interlinked data. The desired application would draw information from more than one datasets and answer both simple queries and any combination of them expressed as a complicated user question.For this purpose, we studied and analyzed existing approaches in the research area of answering human queries by machine (Question Answering). For each approach there were advantages and disadvantages as well as improvement points. One of the approaches played an important role in achieving the thesis goal. Specifically, application Quepy [1] was studied and verified as an application able to answer effectively human queries but unable to handle more than one datasets or combine questions to answer more complex questions.The goal was achieved by using and expanding Quepy. Using it as an initial code base, we developed the open source application InterQuepy [2] in Python programming language. With excessive use of the principles of object oriented programming and design patterns needed, the latter achieves the complex questions answering by combining knowledge of different datasets.