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
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
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
1
考生在填报高考志愿时, 针对复杂繁多的各类高校信息数据, 传统的搜索引擎无法根据考生需要的实际信息和搜索结果进行匹配, 考生还需要额外消耗一定精力去筛选数据, 这无疑增加了考生的时间成本. 为此本文提出了基于高考领域知识图谱, 使用中文分词模型和朴素贝叶斯分类算法, 设计并开发了针对高考学业规划的智能问答系统. 与传统的搜索引擎不同的是, 基于人工智能的问答系统能够对考生所关注的问题和搜索结果进行精确匹配, 减少考生重复搜索和筛选数据的次数. 测试结果表明, 本系统可以对高考学业规划中所涉及的大多数问题进行相对准确的针对性回答.
2022-02-22 19:12:23
899KB
1
采用java技术构建的一个管理系统。整个开发过程首先对系统进行需求分析，得出系统的主要功能。接着对系统进行总体设计和详细设计。总体设计主要包括系统功能设计、系统总体结构设计、系统数据结构设计和系统安全设计等；详细设计主要包括系统数据库访问的实现，主要功能模块的具体实现，模块实现关键代码等。最后对系统进行功能测试，并对测试结果进行分析总结。
包括程序毕设程序源代码一份，数据库一份，完美运行。配置环境里面有说明。
2022-01-17 21:23:35
12.38MB
1
A校招生咨询智能问答系统主要功能模块包括资讯数据管理、用户注册管理、留言管理、网上咨询管理、智能问答、系统管理，采取面对对象的开发模式进行软件的开发和硬体的架设，能很好的满足实际使用的需求，完善了对应的软体架设以及程序编码的工作，采取MySQL作为后台数据的主要存储单元，采用JavaEE框架、JSP技术、Ajax技术进行业务系统的编码及其开发，实现了本系统的全部功能。本次报告，首先分析了研究的背景、作用、意义，为研究工作的合理性打下了基础。针对A校招生咨询智能问答系统的各项需求以及技术问题进行分析，证明了系统的必要性和技术可行性，然后对设计系统需要使用的技术软件以及设计思想做了基本的介绍，最后来实现A校招生咨询智能问答系统和部署运行使用它。
2022-01-13 20:53:41
10.51MB
1
基于neo4j,django,pytorch,py2neo的电影图谱及问答
功能主要包括实体识别、实体查询、关系查询以及问答几个模块。
项目中用到的数据来自网上公开数据集
前端页面参考：https://github.com/qq547276542/Agriculture_KnowledgeGraph，在此表示非常感谢。
准备数据及构建实体及关系
note:以下数据导入是在Neo4j控制台上完成，将数据data/node与data/relation放入neo4j安装目录下import文件夹下：
三类实体(节点)：
实体类型 数据文件 数量 说明
Movie Movie.csv 4587 电影实体
Person Person.csv 22937 人员实体
Country Country.csv 84 国家实体
四类关系：
关系类型 主语
2021-12-27 21:47:43
14.45MB
1