基于语法语义角色标注模型构建api知识图谱

• 爬取并处理Java文档中约5万条API数据
• 对数据进行预处理和分析，根据分析的数据设计知识图谱的实体和关系
• 使用SpaCy搭建基于语法语义依存树的数据标注模型，自动的从数据中抽取实体和关系
• 利用 Neo4j 图数据库构建API知识图谱

1、收集数据并分析

数据来源：java document

数据字段组成

字段名	详细介绍
qualified_name	java api method全称
functionality_description	java api method的功能性描述，取api描述的第一句话

数据展示

2、定义实体和关系

实体

实体类型	详细描述
api_method	api method实体
action	功能性描述的主要动作
participant	功能性描述的参与者，分别为直接宾语和介词宾语
event	action+participant
event_constraint	event实体的约束
participant_constraint	participant实体的约束

关系

前序实体类型	关系	后继实体类型
api_method	Has_Action	action
api_method	Has_Event	event
api_method	Has_Event	action_event
event	Has_Direct_Object	participant
event	Has_Preposition_Object	participant

3、从数据中自动抽取实体和关系

目的：从功能性描述中自动抽取出上述定义的实体, 然后再根据上述规则构建关系

Step1：对功能性描述进行语义角色标注

• 使用Allennlp的semantic role labeling模型对功能性描述进行标注，输入句子，输出语义标注结果

• 将V+ARG1+ARG2...ARG4组成新的句子（称作api描述的主要功能），ARGM-...则构成event_constraint实体

• allenlp工具 | 语义角色标准使用propbank标准

Step2：对api描述的主要功能进行语法角色标注

• 基于Spacy对主要功能进行语法角色标注，得到至多6种语法角色

• 将提取到的语法角色与定义的实体进行对应

• 参考论文1 | SpCy工具

Step3：根据抽取到的信息构建实体和关系，最终构建KG

• 实体在上述信息抽取过程已经对应完毕
• 接着根据Step2提到的三元组构建关系，最终得到node.csv和relation.csv

4、将数据导入Neo4j并可视化

将node.csv和relation.csv导入neo4j中，使用neo4j import导入数据，数据比较大时，使用import可以大大降低导入时间

./bin/neo4j-admin import --nodes "node.csv" --relationships "relation.csv"

知识图谱展示

5、项目目录

├── LICENSE
├── README.md
├── data
├── definitions.py #定义路径
├── import2neo4j   #将数据导入到neo4j
│   └── neo4j-import
│       ├── bin
│       ├── import
│       ├── import.report
│       ├── import.sh                   #将输入导入到neo4j脚本
│       ├── lib
│       ├── logs
│       ├── run
│       └── run.sh                      #打开neo4j脚本
├── main  #构建KG代码
│   ├── entity_relation_build.py        #将抽取到的信息对应到实体与关系
│   ├── pipeline.py                     #从句子中抽取信息的代码
│   ├── run.py                          #入口
│   └── util.py                         #数据读取相关的函数
├── output
│   ├── build_kg_data                   #存储kg相关的数据
│   └── crawl_data                      #存储原始数据
├── requirements.txt                  
└── util_model                          #使用的semantic role labeling模型
    └── structured-prediction-srl-bert.2020.12.15

6、参考文献

• Treude, C., Robillard, M. P. & Dagenais, B. Extracting Development Tasks to Navigate Software Documentation. Ieee T Software Eng 41, 565–581 (2014).