开发基于 NebulaGraph 智能问答机器人应用
在对 NebulaGraph 有了基本的了解后，我们将带您体验开发一个基于 NebulaGraph 应用的乐趣。本节实践课程演示如何开发一个基于 NebulaGraph 的智能问答机器人应用。课程时长约为6分钟。
课程中涉及的 nGQL 语句和应用开发的代码不是本课程的重点，而是通过实践来让您对 NebulaGraph 的使用有一个初步的了解。关于 nGQL 语句的用法，期待后面的课程介绍喔。
前言
像一般的 Web 应用之于数据库一样，一个典型的基于 NebulaGraph 的传统线上应用可以由三部分组成：
- 前端：作为人机交互界面，调用后端 API。
- 后端：处理基于 Web 的 API，生成 NebulaGraph 图数据库的查询语句，请求 NebulaGraph，处理结果返回 API 调用方。
- 图数据库：NebulaGraph。
如果您想亲自开发以上应用并语音访问 NebulaGraph 数据，可在云上快速部署和连接 NebulaGraph，然后使用开发的应用访问 NebulaGraph。
数据建模
课程使用 basketballplayer 数据集。这个数据集的建模如下图。关于 NebulaGraph 数据建模的更多信息，我们将在后续课程中介绍。
应用设计
前端
我们用 VueJS 做一个带有文字和语音输入输出的机器人界面，它能接受问题，透过后端处理问题，返回问题的答案。这其中用到了 Vue Bot UI 这个项目和 Chrome 浏览器的 Web Speech API。
下图为前端界面，我们可以看到提出的问题和回复的答案，以及右边浏览器调试 Console 里返回数据的结构。
后端
我们用 Python Flask 作为 Web 框架，用 Nebula-Python 作为后端访问 NebulaGraph。
当一个前端的语句通过 RESTful API 发送到后端应用的时候，我们要实现的逻辑是：
对语句进行意图识别和语义处理，得到问句的意图（Intent，例如“查关联”）与问句涉及的实体（Entities，例如“Yao Ming” 与“火箭队”）。
根据不同意图，再构造图库查询（Intent Actor），调用 Nebula-Python 访问 NebulaGraph，通过 nGQL 查询结果。
将结果处理为人能够理解的答案语句并返回。
架构和流程如下：
┌────────────────┬──────────────────────────────────────┐
│ │ │
│ │ Speech │
│ ┌──────────▼──────────┐ │
│ │ Frontend │ Siwi, /ˈsɪwi/ │
│ │ Web_Speech_API │ A PoC of │
│ │ │ Dialog System │
│ │ Vue.JS │ With Graph Database │
│ │ │ Backed Knowledge Graph │
│ └──────────┬──────────┘ │
│ │ Sentence │
│ │ │
│ ┌────────────┼──────────────────────────────┐ │
│ │ │ │ │
│ │ │ Backend │ │
│ │ ┌──────────▼──────────┐ │ │
│ │ │ Web API, Flask │ ./app/ │ │
│ │ └──────────┬──────────┘ │ │
│ │ │ Sentence ./bot/ │ │
│ │ ┌──────────▼──────────┐ │ │
│ │ │ │ │ │
│ │ │ Intent matching, │ ./bot/classifier│ │
│ │ │ Symentic Processing │ │ │
│ │ │ │ │ │
│ │ └──────────┬──────────┘ │ │
│ │ │ Intent, Entities │ │
│ │ ┌──────────▼──────────┐ │ │
│ │ │ │ │ │
│ │ │ Intent Actor │ ./bot/actions │ │
│ │ │ │ │ │
│ └─┴──────────┬──────────┴───────────────────┘ │
│ │ Graph Query │
│ ┌──────────▼──────────┐ │
│ │ │ │
│ │ Graph Database │ NebulaGraph │
│ │ │ │
│ └─────────────────────┘ │
│ │
│ │
│ │
└───────────────────────────────────────────────────────┘
代码
我们不会讲解实际应用的代码，欢迎访问代码仓库进行了解、讨论。代码的目录如下。
.
├── README.md
├── src
│ ├── siwi # Siwi-API Backend
│ │ ├── app # Web Server, take HTTP requests and calls Bot API
│ │ └── bot # Bot API
│ │ ├── actions # Take Intent, Slots, Query Knowledge Graph here
│ │ ├── bot # Entrypoint of the Bot API
│ │ ├── classifier # Symentic Parsing, Intent Matching, Slot Filling
│ │ └── test # Example Data Source as equivalent/mocked module
│ └── siwi_frontend # Browser End
│ ├── README.md
│ ├── package.json
│ └── src
│ ├── App.vue # Listening to user and pass Questions to Siwi-API
│ └── main.js
└── wsgi.py