基于neo4j+python开发的心理疾病咨询知识图谱智能问答系统，实现了前后端的开发设计。 知识图谱包含disease、alternate_name、pathogenic_site、department、symptom 、check、susceptible_crowd等实体类型和disease_alternate_nam、disease_pathogenic_site 、disease_symptom、disease_check、disease_department、disease_complication、disease_confusable、disease_crowd等关系类型，共7类1462个实体和3927条关系，实现针对心理疾病咨询的智能问答。

chatbot_simbert 检索类型的微信聊天机器人/问答系统，通过API异步通信，实现在微信上交互，可以查询天气、重复问句识别等情况；本项目包括模型和工程化部署一体化。用到SimBert等模型。 描述 各位可以根据自己的需求部署或修改： 问答库如果是任务型的，就是一个任务型聊天机器人，如果闲聊的问答库，那就是闲聊型聊天机器人； 后续也可以添加意图，用来用意图识别的匹配；也可以添加个知识图谱的API... 总之可以添加的模块很多，扩展性非常强大。 品尝方式（使用说明） 准备： 环境准备：安装requirement中的依赖包 下载模型，并放置在code/1.retrieve_match/3.simbert_match/config路径下： simbert模型： 启动： 1、 启动code/2.API_serve/KG_service.py 2、 启动code/3.wx_project/c

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

一种改进的基于序列到序列框架的知识图谱问答方法，刘彦志，程祥，知识图谱问答系统能根据图谱中的结构化知识回答自然语言问题。在知识图谱问答系统中，将自然语言问句映射为结构化查询语句是关键

随着社交、电商、金融、零售、物联网等行业的快速发展，现实社会织起了了一张庞大而复杂的关系网，传统数据库很难处理关系运算。大数据行业需要处理的数据之间的关系随数据量呈几何级数增长，急需一种支持海量复杂数据关系运算的数据库，图数据库应运而生。 世界上很多著名的公司都在使用图数据库，比如： 社交领域：Facebook, Twitter，Linkedin用它来管理社交关系，实现好友推荐零售领域：eBay，沃尔玛使用它实现商品实时推荐，给买家更好的购物体验金融领域：摩根大通，花旗和瑞银等银行在用图数据库做风控处理 汽车制造领域：沃尔沃，戴姆勒和丰田等顶级汽车制造商依靠图数据库推动创新制造解决方案电信领域：Verizon, Orange和AT&T 等电信公司依靠图数据库来管理网络，控制访问并支持客户 360 酒店领域：万豪和雅高酒店等顶级酒店公司依使用图数据库来管理复杂且快速变化的库存图数据库并非指存储图片的数据库，而是以图数据结构存储和查询数据。 图数据库是基于图论实现的一种NoSQL数据库，其数据存储结构和数据查询方式都是以图论为基础的，图数据库主要用于存储更多的连接数据。

毕设项目：基于springboot+neo4j的医疗系统知识图谱问答

知识图谱导论 全套ppt

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

中文多模态医学大模型智能分析X光片，实现影像诊断，完成医生问诊多轮对话

以Web of Science数据库中收录的董事会治理研究的文献为研究对象,借助CiteSpace文献可视化分析软件,分别构建研究力量地理信息化图谱、作者合作网络以及高频关键词深度挖掘网络,分析董事会治理研究的分布状况、研究热点。结果显示:董事会治理领域的研究力量主要集中在美国、英国、澳大利亚和中国等国家或地区,其中美国发表文献数量最多,美国的Harvard Univ、Indiana Univ、Arizona state Univ等研究机构发表论文数量位居前列;美国的论文发表不仅保持着较快的发展速度,同时对整个董事会研究领域有着较高的影响力;中国的发文数量在董事会研究领域的国家(地区)中排名第四,而中介中心性仅为0.08。高频关键词共现网络分析表明,无论是从高频关键词的数量