毕设项目——用知识图谱搭建自动问答系统语料库 #### 涉及技术： 1. 基于 `requests` 和 `bs4` 的爬虫 2. 基于 `jieba` 的自然语言处理 3. `Neo4j` 图数据库

中文版问答系统，采用双向神经网络训练

一个用SSH框架做的性格问答系统，大学毕设做的，可做参考。

实现课程问答系统基本功能 学生登陆，修改密码，答题，查看成绩，修改个人资料 管理员（老师）：f发布卷子，管理查看学生，管理查看卷子，管理查看成绩。 试卷：设置答案后自己计算成绩，规定时间内答题。 一般得环境哈：IDEA+mysql+maven+tomcat8.0+JDK1.8

数据集包含了，问题和相应的答案，可用于组件FAQ语料库，语料的数量在几十万条，比较干净，没有进行分词。

A_Simple_QASystem 一个基于检索式的简易的问答系统，基于最经典的方法也是最有效的方法。那系统的核心是当用户输入一个问题的时候，首先要找到跟这个问题最相近的已经存储在库里的问题，然后直接返回相应的答案即可（但实际上也可以撤除其中的实体或关键字）。 假设我们的库里面已有存在以下几个<问题，答案>： <“阿里巴巴主要从事方面的业务？”，“他们主要做电商方面”>，“实际上机器学习是人工智能的一个品种，很多人工智能的应用“基于机器学习的技术“> <“人工智能最核心的语言是什么？”，“ Python”> .....假设一个用户往系统中输入了问题“ alibaba是做什么的？？”，那这当系统先去匹配最相近的“已经存在库里的”问题。那在这里很明显是“ alibaba是做什么的”和“ alibaba主要做什么方面的业务？”是最相近的。所以这里的核心问题可以归结为计算两个问句（query）之

对于社区问答领域进行了一个很好的综述，文章综述社区问答的如下方面：用户行为分析，内容质量检测，专家用户发现，问题检索等各方面的内容

ask2在线问答系统v3.7

NLPCC2016-DBQA 是由国际自然语言处理和中文计算会议 NLPCC 于 2016 年举办的评测任务，其目标是从候选中找到合适的文档作为问题的答案

自然语言处理项目实战--知识库问答系统（NLP）