基于知识图谱的学生辅导聊天机器人：从非结构化文档到智能问答

本本科毕业设计项目构建了面向学生辅导场景的聊天机器人系统，核心是从大学规章制度PDF文档提取信息构建知识图谱，并利用知识图谱嵌入模型（如TransE、ComplEx、DistMult）推理，实现对学生复杂咨询问题的精准回答。旨在解决学生查阅冗长文档耗时、教务人员重复回答的痛点，将静态文档转化为可推理的智能知识库。

大学校园中学生常需查阅冗长复杂的规章制度解决选课、毕业等问题，人工查阅耗时易漏；教务人员重复回答相似问题，工作负担重。本项目针对此痛点，构建任务导向对话智能体，核心创新是结合知识图谱（显式表示实体关系）与嵌入模型推理，突破传统关键词匹配/规则引擎难以处理复杂语义的局限，能回答如“转专业后哪些课程算学分”的复杂问题。

系统采用四阶段流水线架构：

1. 输入预处理：拼写检查、语法纠正、词形还原标准化用户输入（如纠正“毕页要求”为“毕业要求”）；
2. 输入理解与实体映射：用spaCy做依存句法分析提取核心成分，Fuzzywuzzy模糊匹配映射实体到知识图谱节点；
3. 知识图谱嵌入推理：用AmpliGraph实现TransE、DistMult、ComplEx等模型，将实体/关系映射到低维向量，通过向量运算预测缺失链接（如根据“课程A+满足条件”预测尾实体是否为“条件B”）；
4. 自然语言生成：用NLTK/Pattern将三元组转化为流畅回答（如三元组→“高等数学是计算机专业的必修课程”）。

基于Python3.10开发，技术栈包括：

• AmpliGraph2.0.0：知识图谱嵌入与链接预测；
• spaCy3.5.1：NLP处理（命名实体识别、词性标注等）；
• Stanford-OpenIE1.3.1：提取三元组构建知识图谱；
• Flask2.2.2：搭建交互界面；
• NLTK/Pattern：自然语言生成；
• PyPDF23.0.1：提取PDF文本。 知识图谱构建步骤：PDF提取文本→Stanford OpenIE抽三元组→AmpliGraph训练嵌入模型。

对比三种嵌入算法：

• ComplEx：复数向量捕捉反对称关系（如“前置课程”与“后置课程”），表现优异；
• TransE：平移操作，计算高效可解释，适合简单直接关系推理；
• DistMult：双线性模型，语义相似度计算有优势。 实验结果表明，模型成功捕捉大学知识图谱的语义关系与结构特性，链接预测任务能准确预测尾实体，为咨询提供可靠答案。

系统价值：

• 学生：无需翻阅PDF，自然语言提问获精准个性化回答；
• 教务：自动处理重复咨询，集中精力于复杂事务。 通用性：技术框架可迁移到企业规章问答、政府政策解读、医疗指南查询等场景（需从非结构化文档构建可推理知识库）。

项目实现从非结构化文档到智能问答的完整闭环，结合知识图谱与嵌入模型，能回答显式及隐含关系问题。未来可扩展：

• 多轮对话能力；
• 引入大语言模型提升交互自然度；
• 结合检索增强生成（RAG）处理图谱未覆盖的新问题。为教育领域智能化服务提供技术基础与实践参考。