[论文解读] Question Answering Over Biological Knowledge Graph via Amazon Alexa

Md Rezaul Karim, Hussain Ali+3 more|arXiv (Cornell University)|Oct 12, 2022

Genomics and Rare Diseases被引用 4

一句话总结

本文展示了一项概念验证，将亚马逊Alexa的语音接口与DisGeNET知识图谱集成，以实现在生物数据上的自然语言问答。通过利用SPARQL端点和自定义Alexa技能，该系统允许用户通过语音查询基因-疾病关联，实现了对简单及多层查询的功能性问答，但因Alexa控制台在超过两层查询时的执行超时，导致可扩展性受限。

ABSTRACT

Structured and unstructured data and facts about drugs, genes, protein, viruses, and their mechanism are spread across a huge number of scientific articles. These articles are a large-scale knowledge source and can have a huge impact on disseminating knowledge about the mechanisms of certain biological processes. A knowledge graph (KG) can be constructed by integrating such facts and data and be used for data integration, exploration, and federated queries. However, exploration and querying large-scale KGs is tedious for certain groups of users due to a lack of knowledge about underlying data assets or semantic technologies. A question-answering (QA) system allows the answer of natural language questions over KGs automatically using triples contained in a KG. Recently, the use and adaption of digital assistants are getting wider owing to their capability at enabling users to voice commands to control smart systems or devices. This paper is about using Amazon Alexa's voice-enabled interface for QA over KGs. As a proof-of-concept, we use the well-known DisgeNET KG, which contains knowledge covering 1.13 million gene-disease associations between 21,671 genes and 30,170 diseases, disorders, and clinical or abnormal human phenotypes. Our study shows how Alex could be of help to find facts about certain biological entities from large-scale knowledge bases.

研究动机与目标

• 通过语音接口实现对大规模生物知识图谱的自然语言问答。
• 评估在亚马逊Alexa上部署问答系统用于生物医学数据检索的可行性和局限性。
• 通过SPARQL端点将包含113万条基因-疾病关联的DisGeNET知识图谱集成到基于语音的问答流程中。
• 识别在Alexa开发环境中执行复杂多层查询时的技术瓶颈。
• 探索通过集成多个知识图谱和改进自然语言理解支持以实现未来增强。

提出的方法

• 该系统使用亚马逊Alexa的自定义技能框架处理自然语言查询，并将其路由至托管DisGeNET知识图谱的SPARQL端点。
• 简单意图（例如疾病定义、致病关系）通过SPARQL单次往返调用知识图谱实现，结果以语音输出格式化。
• 对于复杂查询，通过链接多个API调用实现多层推理：前一个查询的结果用作下一个查询的输入，模拟图遍历。
• 系统利用RDF三元组和SPARQL查询从DisGeNET中提取结构化事实，包括基因-疾病关联及其相关评分。
• Alexa技能中的自定义处理器负责意图识别、槽位填充（例如疾病名称）以及语音输出的结果格式化。
• 该实现已在本地（复杂查询可正常运行）和Alexa开发者控制台（超过两层查询时出现超时和崩溃）进行测试。

实验结果

研究问题

• RQ1 像亚马逊Alexa这样的语音接口能否有效支持在大规模生物知识图谱上的自然语言问答？
• RQ2 SPARQL查询的复杂性如何影响在Alexa平台上部署的问答系统的可靠性和性能？
• RQ3 与本地执行环境相比，Alexa开发者控制台在执行多层查询方面存在哪些技术限制？
• RQ4 现有生物医学知识图谱（如DisGeNET）在多大程度上可通过基于语音的问答系统有效暴露？
• RQ5 如何提升基于语音的问答系统在知识图谱上的可扩展性和鲁棒性，以支持真实世界的生物医学研究应用？

主要发现

• 该系统成功实现了基于语音的问答，适用于简单查询，如疾病定义和基因-疾病致病关系，利用SPARQL端点和Alexa的意图框架。
• 通过向知识图谱单次API调用执行的简单查询在本地和Alexa控制台中均能可靠运行，证明了功能可行性。
• 多层查询——即一个查询的结果作为下一个查询的输入——在本地测试环境中运行正确，支持对知识图谱的深度推理。
• 然而，当部署到Alexa开发者控制台时，系统因执行超时和未处理的崩溃而无法执行超过两层的查询。
• 根本原因似乎是平台特定的代码格式和执行环境限制，而非逻辑错误，因为相同代码在本地运行无任何问题。
• 本研究识别出Alexa平台在支持复杂链式查询方面存在关键缺陷，限制了系统在高级生物医学查询中的可扩展性。