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

肖仰华-大规模概念图谱构建与应用 北大 Question Answering Over Knowledge Graph 腾讯-大规模知识图谱的构建与应用-苏州大学 KG Refinement by Knowledge Intensive Crowdsourcing 面向智能问答的知识获取 陈虹-知识图谱及其变种在行业实践中的应用与思考-ZTE中兴

python课程设计大作业基于知识图谱的问答系统源码。里面含有项目的详细介绍和部署文档，按图索骥即可完成项目； 源码中有五个文件夹，如下所示： 1. Kbqa-website-deploy：项目部署所需内容； 2. buildQAModule：问答模块构建源码； 3. buildKnowledgeGraph：知识图谱构建源码； 4. buildFrontendWebsite：前端项目构建源码； 5. buildBackendService：后端项目构建源码。

该项目是基于医疗领域知识图谱的问答系统。