久久精品视,色综合久久无码中文字幕,日韩免费视频一区二区三区,亚洲中文久久精品无码WW16

B站：科皮子菊

背景

上一個實踐項目是：,這個屬于入門級的項目，可以了解一下neo4j的一些基本操作，以及簡單的問答處理。下面進行第二個實踐項目，也是對一個開源項目源碼進行解讀和改寫，最終形成符合自己風格的一個項目。

該項目在是挺受歡迎的，項目地址：[1]。如果喜歡閱讀源碼的友友，可以直接閱讀源碼。

原項目簡介原項目基本內容

在我閱讀這個項目時（2022-7-17）,該項目的start數目達4.2k，fork達1.6k。從數據上來看，大家是比較認可該項目的。

當然，原作者也是很厲害的，是中國科學院軟件研究所劉煥勇老師。

該項目從無到有搭建一個以疾病為中心的一定規(guī)模醫(yī)藥領域知識圖譜，并以該知識圖譜完成自動問答與分析服務。適合一個初學人員了解該類項目的過程。

該項目立足醫(yī)藥領域，以垂直型醫(yī)藥網站為數據來源，以疾病為核心，構建起一個包含7類規(guī)模為4.4萬的知識實體，11類規(guī)模約30萬實體關系的知識圖譜。項目包括以下兩部分的內容：

基于垂直網站數據的醫(yī)藥知識圖譜構建基于醫(yī)藥知識圖譜的自動問答

該項目的最終效果如下：

看看問答的內容，感覺還是挺好玩的。

該項目的技術架構如下：

其中涉及的各個模塊也是現在當前進行問答的主要流程。只是在不同環(huán)節(jié)有不同的細分技術。例如 ，這個部分通常在不同性質的問答系統(tǒng)中有不同的叫法，通常也叫做意圖識別，query 就是query解析，這個不僅在問答中有重要的使用醫(yī)療問答系統(tǒng)的應用，在搜索中也是如此，如果深究的話，就單憑query 就能夠衍生很多知識，如query錯誤糾正，query改寫等等。在知識搜尋中相關技術也比較多，有的會進行子圖切分在圖數據庫中匹配，也有使用傳統(tǒng)的規(guī)則匹配等方法去處理。

除此之外，單輪對話相對簡單，如果涉及任務型對話的，則需要涉及填槽的工作以及對話管理等等。

項目源碼閱讀與改寫

這段時間在業(yè)余時間看完了項目代碼，并對其進行了小小的重構。然后實現效果如下：

做完之后總體感覺內容也不是特別多，但是整個還是比較清晰的。值得去閱讀一下源碼。

總結

總的來說，這個項目把使用知識圖譜進行QA的一些流程介紹的比較清楚，但是在完成問答的過程中技術相對老舊醫(yī)療問答系統(tǒng)的應用，不過效果依然還不錯。源碼已經放到我的上：[2]，有興趣的可以下載運行看看哦，上面有運行介紹哦。

為了能夠進一步提升效果的話可以引入很多新技術。例如在問題分類環(huán)節(jié)可以引入基于深度學習的問題分類方法，在進行問題解析的時候，可以引入基于深度學習的NER實體識別方式以及進一步處進行實體對齊等，這里不作進一步展開。

除此之外，知識圖譜在構建時需要結合業(yè)務需求，也就是在接到業(yè)務的時候以及對現有數據進行分析然后構建基于業(yè)務的，再通過自然語言處理相關技術進行知識圖譜的構建。在原項目中，使用爬蟲的方式進行數據爬取，其也可以使用NLP相關的基礎，優(yōu)化提取的數據等等。