搜索引擎>> BERT-Embedding-Frequently-Asked-Question>> 返回
项目作者： hhzrd

项目描述 ：
FAQ-based Question Answering System using BERT
高级语言： Python
项目地址: git://github.com/hhzrd/BERT-Embedding-Frequently-Asked-Question.git
创建时间： 2020-07-06T09:17:39Z
项目社区：https://github.com/hhzrd/BERT-Embedding-Frequently-Asked-Question
开源协议：Apache License 2.0
下载


BEFAQ

BEFAQ(BERT-based Embedding Frequently Asked Question) 开源项目是好好住面向多领域FAQ集合的问答系统框架。


我们将Sentence BERT模型应用到FAQ问答系统中。开发者可以使用BEFAQ系统快速构建和定制适用于特定业务场景的FAQ问答系统。

BEFAQ的优点有：


（1）使用了Elasticsearch、Faiss、Annoy 作为召回引擎


（2）使用了Sentence BERT 语义向量（Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks）


（3）对同义问题有很好的支持


（4）支持多领域语料（保证了召回的数据是对应领域的，即使是同样的问题，也可以得到不同的答案。）


（5）提供了根据当前输入提示联想问题（suggest）功能的接口

BEFAQ的框架结构如下图

image

如何使用

1、通过docker的方式使用(docker中已经安装Es7.6.1、kibana、IK分词器和同义词功能,BEFAQ的代码也已经包含在docker中。)

  1. 我们提倡通过docker的方式快速上手，启动方式请参考根目录下的docker文件夹中的README.md

2、通过非docker的方式使用

2.1、在本机安装Es7.6.1和配套的kibana，配置Es的IK分词器和同义词功能

  1. 请参考博客[ES（Elasticsearch）7.6.1安装教程](https://blog.csdn.net/weixin_37792714/article/details/108025200)进行安装。如何已经配置过Es、IK分词器和同义词功能，可以略过这一步。但是记得把同义词同步到你的Es中。为了方便大家。相关文件的下载，都放在了百度网盘中，欢迎大家使用。链接:https://pan.baidu.com/s/1PxgINf6Q1UZBtcsYw6FU0w  密码:4q9h

在BEFAQ中，为了方便大家的使用，我们提供两种Elasticsearch的连接方式：使用用户名和密码的方式与不使用用户名密码的方式。如何修改请参看项目根目录下config文件夹的es.ini 配置文件中的说明。在我们的博客中，我们提供了Elasticsearch配置用户名和密码的方式。

2.2、下载项目代码并创建BEFAQ的虚拟环境

  1. conda create -n befaq python=3.6 -y
  2. source activate befaq
  3. git clone https://github.com/hhzrd/BERT-Embedding-Frequently-Asked-Question.git
  4. 进入BEFAQ的根目录，然后
  5. pip install -r requirements.txt

2.3、sentence-transformers 多语言预训练模型的下载

  1. 首先进入到项目的根目录，然后
  2. cd model
  3. wget https://public.ukp.informatik.tu-darmstadt.de/reimers/sentence-transformers/v0.2/distiluse-base-multilingual-cased.zip
  4. unzip distiluse-base-multilingual-cased.zip
  5. 请将模型文件都直接放在model文件夹下。
  6. 如果使用最新的模型报错（并且sentence_transformers==0.3.0），请到百度网盘中下载老版本的模型（适配sentence_transformers==0.3.0,transformers==3.0.2）。目前BEFAQ使用的sentence_transformers已经升级到1.2.0版本号。

2.4、excel数据格式

  1. 如果你想要先跑通代码尝试一下。可以先不配置自己的数据。
  3. excel表格请放置在项目根目录下的 data/文件下，例如目前是示例文件名为“线上用户反馈回复.xls” excel数据是QA数据的来源，其中的数据会被写入到Es中。大家下载源码后，可以打开这个文件具体看一下数据示例。
  5. sheet的名称表示不同的领域，比如，我的第一个领域，叫做“领域1”。其中，第一列是“数据填写人姓名”，可以为空。第二列是“答案”，不允许为空。第三列是“原始问题”，不允许为空。第三列以后是“同义问题”，同义问题的数量没有限制。可以有很多同义问题，也可以一个同义问题都没有。一行一条数据。
  7. sheet名为“词典”的，放置的是用户词典。比如，我不想让“好好住”这个词在分词的过程中被切开。就把这个词放置在词典中。一行一条数据。程序会自动读取到指定位置(用于jieba分词)，但是Es中IK分词器的自定义词典需要自己添加
  8. sheet名为“停用词”的，放置的是停用词词典。一行一条数据。程序会自动读取到指定位置。
  9. sheet名为“同义词”的，是放置同义词的sheet。第一列是原义词，第二列及其之后是同义词。比如，番茄和西红柿是同义词。第一行列放番茄，第二列放西红柿。一行一条数据。同义词的数据需要自己写到Es的同义词表中，具体参看我上边提到ES（Elasticsearch）7.6.1安装教程的博客。因为你当下的服务器未必是Es的服务器，所以这里并没有用程序直接写入。
  11. 同义词，词典，停用词。多个领域共用。词典，停用词是给BEFAQ的jieba分词使用的。同义词是给Es使用的。
  13. 你可以在Excel中写上很多领域的数据，但是具体读取哪些领域的数据，项目根目录下config文件夹的sheetname.conf中可以配置。

2.5、修改BEFAQ的配置文件

  1. 项目根目录下的data/线上用户反馈回复.xls 是QA数据的来源，其中的数据会被写入到Es中。如果你想要先跑通代码尝试一下。可以先不配置自己的数据。
  2. 项目根目录下的config文件夹下sheetname.conf 是读取Excel文档数据的配置文件。如果你想要先跑通代码尝试一下。可以先不修改这里的配置。
  3. 项目根目录下的config文件夹的es.ini 是BEFAQ关于ES的配置文件。这个配置文件即使是想要先跑通代码尝试一下，也是需要修改的。这个配置文件里需要配置Es的IP（域名）和端口号，Es的登陆的用户名和密码。一定要根据自己的Es的配置进行修改，才能让BEFAQ连接上你的Es。
  4. 项目根目录下的config文件夹的befaq_conf.ini 是BEFAQ的配置文件。如果你想要先跑通代码尝试一下。可以先不修改这里的配置。

2.6、如何开启BEFAQ服务

  1. 进入项目的根目录，然后
  2. source activate befaq
  3. cd es
  5. 将数据从excel中的数据写到Es 
  6. python write_data2es.py
  8. 将问题处理成Sentence BERT 向量，保存到bin类型文件中，便于后期读取问题的向量。
  9. python write_vecs2bin.py
  11. 训练Faiss和Annoy模型
  12. python train_search_model.py
  14. 启动BEFAQ服务 （如果数据没有发生变化，后期启动服务只需要进行这一步）
  15. 进入项目的根目录(cd ..)，然后
  16. cd src
  17. 启动BEFAQ服务
  18. python main_faq.py
  19. 或者在后台中启动
  20. nohup python -u main_faq.py > "../logs/log_$(date +"%Y-%m-%d-%H").txt" 2>&1 &
  22. 查看项目运行状态
  23. ps -ef|grep main_faq.py
  25. 在终端中测试BEFAQ。BEFAQ的服务是post请求。(将127.0.0.1替换成自己的ip)
  27. curl -d "question=如何评价设计师&get_num=3&threshold=0.5&owner_name=领域1"   http://127.0.0.1:8129/BEFAQ
  29. 接口url:
  30. http://127.0.0.1:8129/BEFAQ
  31. 接口参数说明
  32. question：用户的问题。必需
  33. get_num：接口最多返回几条数据。非必需，默认为3
  34. threshold：阈值，相似度高于或等于这个阈值的数据才会被接口返回。非必需，默认为0.5
  35. owner_name：数据所有者的名称，也就是excel中每个领域的数据对应的sheet name。用来区分多领域数据。必需
  37. 返回的数据格式：
  38. [
  39.     {
  40.         "q_id": 2,
  41.         "specific_q_id": 3,
  42.         "question": "如何评价设计师",
  43.         "answer": "你好。点击认证设计师头像，进入TA的个人主页，点击左下角「评价」即可进行评价。此外，设计师的荣耀值是根据设计师的站内数据综合计算，无法直接打分的哦。感谢你的支持。",
  44.         "confidence": 1.0
  45.     },
  46.     {
  47.         "q_id": 6,
  48.         "specific_q_id": 7,
  49.         "question": "怎样把个人设计师转成机构设计师",
  50.         "answer": "你好，可以登录好好住官网，再次点击提交设计师认证资料，即可重新修改哟；",
  51.         "confidence": 0.6
  52.     }
  53. ]

2.7、如何开启BEFAQ的联想词接口服务

  1. 如果想要启动根据当前输入联想问题的功能。
  2. 进入项目根目录，然后
  3. cd src
  4. python associative_questions_server.py
  5. 或者在后台中启动
  6. nohup python -u associative_questions_server.py >/dev/null 2>&1 &
  8. 查看项目运行状态
  9. ps -ef|grep associative_questions_server.py
  12. 在终端中测试联想功能。服务是post请求。(如果不是本机，请将127.0.0.1替换成自己的ip)
  13. curl -d "current_question=设计师&limit_num=3&owner_name=领域1&if_middle=1"  http://127.0.0.1:8128/associative_questions
  15. 接口url:
  16. http://127.0.0.1:8128/associative_questions
  17. 接口参数说明
  18. current_question:
  19. limit_num：接口最多返回几条数据。必需
  20. owner_name：数据所有者的名称，用来区分多领域数据。必需
  21. if_middle:是否允许用户当前输入的内容在中间的位置。非必需。默认为1，1为允许，0为不允许。
  23. 返回的数据格式：
  24. {
  25.     "code": "1",
  26.     "msg": "OK",
  27.     "data": {
  28.         "message": [
  29.             "按地区找设计师",
  30.             "设计师可以选择同城吗",
  31.             "怎样把个人设计师转成机构设计师"
  32.         ]
  33.     }
  34. }

Authors


该项目的主要贡献者有:

参考文献：


[1] 百度AnyQ


[2] sentence-transformers


[3] Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks

BEFAQ is provided under the Apache-2.0 license.