随着互联网技术的发展和人们生活水准的提高,人机对话系统特别是基于知识图谱的对话系统已经成为自然语言处理领域中越来越热门的应用之一。随着图数据库的迅猛发展,图数据库类别不断增加,Neo4j是众多的图数据库中最流行的一种,如何通过自然语言直接与数据库进行交互已经成为了自然语言处理任务中研究热点之一。本文中主要研究的任务是自然语言到Cypher结构化查询语言的转化,是一个语义解析任务。语义解析是一种将自然语言直接转化为某种结构化查询语言的技术,也是自然语言处理中一个重要分支,实验主要是使用端到端的Seq2Seq模型框架完成的一个与机器翻译相似的语句到语句的生成任务。本文进行的实验具有一定的现实意义,针对于普通用户来说,在传统的方法中,想查询数据需要预先学习数据库系统以及数据库查询语言Cypher上的专业知识,用户需要通过使用具有良好定义语法的正确的查询语句来访问存储在图数据库中的知识,但是,使用正式查询语言来访问这些知识库会给非专家用户带来困难,这些操作这对于一个普通的用户很难实现。本文的工作内容有如下三点:1.根据中文医疗知识图谱,选取实体及关系构建所需数据集,数据集的格式采用一个自然语言问句对应一条Cypher查询语句的形式,通过人工创建模板的形式对数据集进行构建。2.首先采用端到端模型中主流模型Transformer作为baseline进行语义理解的实验,进行自然语言问句到Cypher结构化查询语句的转换。3.在Transformer的基础上,添加预训练模型BERT、Ro BERTa和ALBERT作为对照实验,以提高语义理解的精度。实验中首先将输入的中文问句以及对应的Cypher结构化查询语句经过数据的预处理,即对于每一个字符加入空格分开,一句话的前后用“CLS”和“SEP”标记,然后输入到模型中,实验取得了一个较好的转换结果。单独使用Transformer进行训练后,正确率已经可以达到95.653%的正确率,加载预训练后的模型的结果有高于Transformer也有低于Transformer的,可以得出用原有数据构成词表训练出来的模型比小规模的预训练模型效果要好,但是随着预训练模型结构的复杂化,参数量的增加,模型结构可以进一步提升。总体来说本文所提出的自然语言问句到Cypher结构化查询语句的转换是有效且可行的。