基于京东家电商品知识图谱的自动问答系统(三) -- Java实现问答系统
系列文章:
基于京东家电商品知识图谱的自动问答系统(一) -- Neo4j构建知识图谱
基于京东家电商品知识图谱的自动问答系统(二) -- IDEA搭建开发环境
基于京东家电商品知识图谱的自动问答系统(三) -- Java实现问答系统
目录
基于知识图谱的自动问答系统架构
配置文件
问题模板
Node
Repository
Service、Serviceimpl
Controller
Process
附加功能
项目已上传,下载地址为 CSDN下载地址
参考文章
项目源码已经上传了,源码中注释很详细,就不做过多描写了。
基于知识图谱的自动问答系统架构
前后端交互的自动问答实现步骤:
1、前端接收问句,发送至后端(涉及CSS、ajax通信)
2、对问句进行分词,每个单词标注词性(涉及用户字典)
3、对问句进行抽象化,将单词用对应的词性替换,比如 “海尔的冰箱有哪些” 替换成 “ntc的n有哪些”(涉及HashMap)
5、对抽象化后的句子,生成词向量(涉及词汇表、HashMap)
6、匹配问题模板,比如 “ntc n 有哪些”(涉及问题模板、训练集)
7、抽象的问题模板还原成具体的问题,比如 “ntc n 有哪些”,替换其中的ntc->海尔、n->冰箱,最后是 “海尔 冰箱 有哪些”
8、确定问题模板后,根据对应的服务层逻辑,调用数据库连接层,去图数据库Neo4j中查找问题的答案
9、将返回结果进行处理,返回至前端输出
配置文件
依赖文件pom.xml
配置文件application.properties
配置文件hanlp.properties
都已上传,内有注释,文章内就不过多说了
问题模板
HanLP用户字典、自定义字典
问题模板定义文件
问题模板训练集文件
词汇表文件
Node
实体类,名字就是neo4j中node的label,比如本系统中就都是jd_entity
Repository
相当于mysql的DAO层,是对neo4j的查询入口
Service、Serviceimpl
对repository的封装,实现具体的问答业务逻辑
分词、分类、模板匹配调用repository查询数据库
返回结果
Controller
控制前端发来的请求,调用serviceimpl
Process
实现一个spark的朴素贝叶斯分类器
一个向量(1.0, 0.0, 3.0)它有两种表示方法,稀疏和稠密向量的区别定义:
密集:[1.0, 0.0, 3.0],其和一般的double数组无异。
稀疏:(3, [0, 2], [1.0, 3.0]),其表示的含义(元素的个数,元素的序号,元素序号对应的值),序号从0开始,不写出的默认为0.0。
附加功能
由于老师要求,又增加了:
后台处理流程的前台显示
用户前台自助使用Cypher语句查询后台数据库
问答历史记录、问句偏爱推荐
功能区域与展示区域的分离
项目已上传,下载地址为 CSDN下载地址
参考文章
初期问答系统的搭建与学习参考网上教程,感谢开源。
https://www.jianshu.com/p/2f73a6805a57
https://blog.csdn.net/russle/article/details/79940894?utm_source=blogxgwz1
https://blog.csdn.net/weixin_42348333/article/details/90319715
https://blog.csdn.net/cqn9012/article/details/89426303
https://blog.csdn.net/Appleyk/article/details/80422055
https://blog.csdn.net/wangshuaiwsws95/article/details/105041767
https://www.cnblogs.com/loveis715/p/5425790.html
https://blog.csdn.net/u014258362/article/details/81044286
基于京东家电商品知识图谱的自动问答系统(三) -- Java实现问答系统相关推荐
- 基于Python+Neo4j+民航数据 ,我搭建了一个知识图谱的自动问答系统
最近耗时一周,我基于Python+Neo4j ,搭建了一个民航业知识图谱的自动问答系统. 文章目录 环境 运行 1.项目结构 2.数据组织 3.问题预处理 4.问题分类 5.Web APP 源码&am ...
- 论文浅尝-综述 | 基于强化学习的知识图谱综述
转载公众号 | 人工智能前沿讲习 论文来源:https://crad.ict.ac.cn/CN/10.7544/issn1000-1239.20211264 摘要:知识图谱是一种用图结构建模事物及事物 ...
- 论文浅尝 | 一种基于递归超图的知识图谱问答方法
笔记整理 | 谭亦鸣,东南大学博士生 来源:EACL'21 链接:https://www.aclweb.org/anthology/2021.eacl-main.35.pdf 概述与动机 本文提出了一 ...
- 领域应用 | 美团商品知识图谱的构建及应用
转载公众号 | DataFunTalk 分享嘉宾:曹雪智博士 美团 技术专家 编辑整理:陈维美 出品平台:DataFunTalk 导读:在互联网新零售的大背景下,商品知识图谱作为新零售行业数字化的基石 ...
- 美团 大规模商品知识图谱的构建与应用
作者 | 曹雪智博士 美团 技术专家 来源 | DataFunTalk 在互联网新零售的大背景下,商品知识图谱作为新零售行业数字化的基石,提供了对于商品相关内容的立体化.智能化.常识化的理解,对上层业 ...
- 基于模板匹配的知识图谱问答系统
基于模板匹配的知识图谱问答系统 一,什么是基于知识图谱的问答(KBQA)? KBQA–knowledge base question answering,通过对问题进行语义理解及解析,通过知识库进行查 ...
- KG-开源项目:QASystemOnMedicalKG【以疾病为中心的一定规模医药领域知识图谱,并以该知识图谱完成自动问答与分析服务】
QABasedOnMedicaKnowledgeGraph self-implement of disease centered Medical graph from zero to full and ...
- 基于深度学习的知识图谱构建(简要综述)
1 简介 信息技术的发展不断推动着互联网技术的变革,Web技术作为互联网时的标志性技术,正处于这场技术变的核心.从网页的链接到数据的链接,Web技术正在逐步朝向Web之父Berners-Lee设想中 ...
- 【国内首家】第一个基于语音生成实时知识图谱的系统来啦!!!
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要8分钟 Follow小博主,每天更新前沿干货 基于文本生成知识图谱的研究很常见,但是基于语音生成知识图谱,这算是第一家. 在这个信息飞速发展的 ...
- 论文浅尝 | ADRL:一个基于注意力机制的知识图谱深度强化学习框架
论文笔记整理:谭亦鸣,东南大学博士. 来源:Knowledge-Based Systems 197 (2020) 105910 链接:https://www.sciencedirect.com/sci ...
最新文章
- 春招来袭!程序员如何拿下硅谷顶级公司200万年薪?
- 已添加了具有相同键的项_奥迪Q2L已上市,配LED光源,21.88万起,搭1.4T
- 了解和使用类库(47)
- linux下的c语言mysql编程,详解java google Thumbnails 图片处理
- 培训师 每小时多少钱_每个产品设计师需要了解的品牌知识
- Python3——多线程之threading模块
- 亲戚(信息学奥赛一本通-T1346)
- 【cocos2d-x从c++到js】13:回调函数2——JSCallbackWrapper
- (8)Node.js 模块介绍
- (转)淘淘商城系列——分布式文件系统FastDFS
- 谁能制约云厂商滥用开源,谁来帮助开源软件作者?
- c语言 sizeof(unsign),C语言基础知识
- ashx比较完美的权限处理(适合页面,不适合安卓远程读取接口)
- 微信小程序接入腾讯云IM即时通讯(发送消息开发步骤)
- 二行代码解决全部网页木马
- html鼠标经过图片有浮起效果,CSS实现鼠标滑过卡片上浮效果的示例
- Python 树状图怎么画
- 循序渐进Linux目录
- Windows下如何批量重命名
- python实现DBSCAN聚类