phpMyFAQ是一个多语言，内含简、繁中文语言，完全数据库驱动的FAQ系统。它支持多种数据库来存储所有数据，需要PHP4.1或更高的版本来访问些数据。 phpMyFAQ还提供一个带有WYSIWYG编辑器的

本项目采用neo4j作为数据库，存储了知识题库。用户可以根据提示深入去了解问题。属于一款简易版的智能问答系统。 服务端使用技术：python+django框架 前台使用：Vue+axios 已实现功能： 1.询问售价 2.查询某个地区的景区 3.景区推荐 4.查询景区在哪个地方 可定制后台管理系统： 1.实现景区数据的管理 2.实现景区票价的管理 3.实现景区的删除，编辑等。 具体细节可以查看和访问我的博客 https://editor.csdn.net/md/?articleId=123735655

目前的网页开发技术已经十分完善，有许多开发框架可供选择。经过多方面的考虑后，我们决定采用Django进行开发。Django是由python语言来编写的开源的大而且全的Web应用框架，其强大的数据库功能、后台功能、模板系统等优势让开发变得更加轻松。同时，Django已经发展得趋于完善，接受度高，能查找到的各方面教程也十分丰富，便于网页开发的进行。 为什么选择websocket而不是选择Ajax或JS来完成聊天 1、 WebSocket 是 HTML5 开始提供的一种在单个 TCP 连接上进行全双工通讯的协议。WebSocket 使得客户端和服务器之间的数据交换变得更加简单，允许服务端主动向客户端推送数据。在 WebSocket API 中，浏览器和服务器只需要完成一次握手，两者之间就直接可以创建持久性的连接，并进行双向数据传输。 2、 HTTP具有被动性（一个request对应一个response），只有发起了请求才有回复。Ajax轮询可以实现推送技术，每隔特定的时间间隔后由浏览器对服务器发出HTTP请求，然后由服务器返回最新的数据给客户端的浏览器。这种传统的模式带来很明显的缺点

1) app.py是整个系统的主入口
2) templates文件夹是HTML的页面
|-index.html 欢迎界面
|-search.html 搜索人物关系页面
|-all_relation.html 所有人物关系页面
|-KGQA.html 人物关系问答页面
3) static文件夹存放css和js，是页面的样式和效果的文件
4) raw_data文件夹是存在数据处理后的三元组文件
5) neo_db文件夹是知识图谱构建模块
|-config.py 配置参数
|-create_graph.py 创建知识图谱，图数据库的建立
|-query_graph.py 知识图谱的查询 6) KGQA文件夹是问答系统模块 |-ltp.py 分词、词性标注、命名实体识别 7) spider文件夹是模块 |- get_*.py 是之前取人物资料的代码，已经产生好ima

iamQA 中文wiki百科问答系统，本项目使用了torchserver部署模型 知识库:wiki百科中文数据 模型:使用了的NER(CCKS2016数据)和阅读理解模型(CMRC2018)，还有Word2Vec词向量搜索。 详细内容可以参考文章: 项目框架 模块介绍 ChineseWiki-master 功能：清洗wiki中文数据 相关项目: NER 功能：从问题中识别实体 例子：qurry:周董是谁？ 》》 entiy:周董 模型：ALBERT 数据集：CCKS2016KBQA 相关项目： Word2vec 功能：如果实体不在知识库，则用W2V搜索近似实体 例子：entity:周董 >> ['周杰伦','JAY','林俊杰'] 相关项目： Entity linking 功能:根据NER或W2V得到的mention entity搜索知识库 Reader 功能：阅读理解文段，精确定位答

大学生在线问答系统（UML建模）包括需求，分析，设计，实现。 大学生在线问答系统，是面向对象分析与设计的一个应用实例，资源包括需求，分析，设计，实现四部分，四部分相互独立，用例图，时序图，活动图等都很详细。 UML用例图面向对象分析与设计大学生在线问答系统

猕猴桃种植知识图谱构建。针对猕猴桃种植领域数据多源异构的特点，采用自顶向下的方式构建猕猴桃种植知识图谱，首先设计猕猴桃种植知识图谱的本体概念模式，然后根据模式层的本体规范将抽取的三元组事实加入到数据层知识库中；针对知识图谱构建过程中知识抽取方法复杂、准确率低以及知识补全困难等问题，采用实 体关系联合抽取方法和基于TransR的知识补全方法，并构建了融合字词语义信息的猕猴桃种植实体识别模型，该模型以SoftLexicon为基础，通过MHA和Attention机制分 别调整词权重和词集重要度进一步提高命名实体识别精确率。实验结果表明，本文构 建的猕猴桃种植实体识别模型与SoftLexicon模型相比，F1值提高了1.58%，达到了91.91%，在ResumeNER公开数据集上F1值达到了96.17%；猕猴桃种植三元组抽取F1值为92.86%；基于TransR的知识补全方法Hit@3和Hit@10分别为90.40%和92.60%。

质量检查

视觉问题回答项目，具有最先进的单一模型性能

内容概要：该资源包含ChatGPT智能问答系统安装包windows+linux+mac。 适用人群：已工作或未工作的软件开发人员。 使用场景及目标：适合研究学习使用。 其他说明：暂无