neo4j图数据库+python+知识图谱(适用于毕业/课程设计)
2022-11-08 17:11:24 4.9MB 知识图谱 kbqa 问答系统
1
ParlAI交互式问答,ParlAI是 Facebook 开源的一个可用于在多种开放可用的对话数据集上训练和评估人工智能模型的框架。一个统一的分享、训练和评估对话模型的平台,支持各种对话任务。 特色: 包含所有主流的对话数据集,从开放域闲聊到可视化问答应有尽有; 一系列现成的模型供你参考使用,从抽取式基线模型到Transformer系列; 无缝集成了亚马逊的Amazon Mechanical Turk平台,用于数据收集、模型训练和人工评估。
2022-08-05 14:05:51 43.47MB 人工智能 问答 交互式问答
1
Agricultural Knowledge Graph 由于工作原因,该项目已停止维护。因此项目代码仅供参考,项目中包含的数据可免费用于学术等非商业用途。 相关工作请引用paper: AgriKG: An Agricultural Knowledge Graph and Its Applications[C]. DASFAA (3) 2019: 533-537 项目介绍: 本项目是上海市《农业信息服务平台及农业大数据综合利用研究》子课题《上海农业农村大数据共享服务平台建设和应用》的研究成果。 该课题是由上海市农业委员会信息中心主持,以“致富农民、服务市民、提高行政管理效能”为目标,充分发挥大数据在农业农村发展中的重要功能和巨大潜力,重点建设上海市级农业农村大数据中心,促进信息资源的共建共享和创新应用。 华东师范大学数据科学与工程学院(以下简称华师大数据学院)作为课题主要参与单位以实现智慧农业为目标,探索农业大数据分析、挖掘和综合应用。华师大课题组在前期国家重点研发计划《大数据知识工程基础理论及其应用研究》研究基础上,在本项目中,基于碎片化农业大数据,构建面向智慧农业的知识图谱
2022-07-03 21:08:27 349.79MB 人工智能 农业 知识图谱 命名实体
本代码实现是基于python实现的基于复旦大学崔万云博士的learing question answering over corpora and konwlege bases ,代码实现与论文有所出入,原因是本实现用的语料是中文做训练数据集,其中命名实体认为论文有太多欠缺,而实体识别是智能问答思想关键。希望更多读者能够有更好的方法。
2022-06-12 19:04:50 42.11MB 智能问答系统 知识图谱
人工智能-机器学习-面向电商领域的智能问答系统若干关键技术研究.pdf
2022-05-09 19:17:14 6.48MB 人工智能 机器学习 文档资料
包括亲测能够跑的代码和文档。文档包括整个系统的介绍、算法原理介绍(分词、文本相似度)。值得初学者学习。
2022-05-07 10:00:12 82.01MB 智能问答
同义词 用于自然语言处理和理解的中文同义词。 更好的中文近义词:聊天机器人,智能问答工具包。 synonyms可以用于自然语言理解的很多任务:文本对齐,推荐算法,相似度计算,语义转换,关键字提取,概念提取,自动摘要,搜索引擎等。 表中的内容: 欢迎 pip install -U synonyms 兼容py2和py3,当前稳定版本 提示:安装后初次使用会下载词向量文件,下载速度取决于网络情况。 本文档的配置和接口说明针对python工具包。 用法 支持使用环境变量配置分词词表和word2vec词向量文件。 环境变量 描述 SYNONYMS_WORD2VEC_BIN_MODEL_ZH_CN 使用word2vec训练的词向量文件,二进制格式。 SYNONYMS_WORDSEG_DICT 中文分词,格式和使用 同义词#nearby(单词[,大小= 10]) import synonyms print("人脸: ", synonyms.nearby("人脸")) print("识别: ", synonyms.nearby("识别")) print("NOT_EXIST: ", synony
2022-05-06 17:13:28 14.35MB nlp chatbot synonyms NaturallanguageprocessingPython
1
Spring-Boot-Neo4j-Movies Spring-Boot集成Neo4j结合Spark的朴素贝叶斯分类器实现基于电影知识图谱的智能问答系统 博客地址: 项目博客地址: 升级Spark依赖,由原来的2.3升级到2.4,GitHub官方提醒> = 1.0.0,<= 2.3.2之间的版本容易受到攻击 spark2.4 == >scala2.11 and scala2.12 <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core --> org.apache.spark spark-core_2.12 2.4.0 <
2022-03-10 19:18:34 1.36MB 附件源码 文章源码
1
本代码实现是基于python实现的基于复旦大学崔万云博士的learing question answering over corpora and konwlege bases ,代码实现与论文有所出入,原因是本实现用的语料是中文做训练数据集,其中命名实体认为论文有太多欠缺,而实体识别是智能问答思想关键。希望更多读者能够有更好的方法。
2022-03-10 18:41:28 56.58MB 知识库 智能问答 python 图谱
1