基于电影知识图谱的智能问答系统（八） -- 终极完结篇

！！！！！！！！！！！！！ ！！！！！！！！！！！！！！！！！ ！！！！！！！！！！！！！！

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

！！！！！！！！！！！！！ ！！！！！！！！！！！！！！！！！ ！！！！！！！！！！！！！！

基于电影知识图谱的智能问答系统系列章节传送门：

基于电影知识图谱的智能问答系统（一） -- Mysql数据准备

基于电影知识图谱的智能问答系统（二） -- Neo4j导入CSV文件

基于电影知识图谱的智能问答系统（三） -- Spark环境搭建

基于电影知识图谱的智能问答系统（四） -- HanLP分词器

基于电影知识图谱的智能问答系统（五） -- Spark朴素贝叶斯分类器

基于电影知识图谱的智能问答系统（六） -- 问题训练样本集敲定

基于电影知识图谱的智能问答系统（七） -- Neo4j语句那点事

番外篇（2022年11月15日16:45:35）

=========================================================================

如果docker官方的镜像中心无法访问（国外的需要墙）下载不了image，可以参考以下的操作来解决：

1、找到“daemon.json”文件；

2、使用vim命令将其打开；

3、添加“{ "registry-mirrors" :["https://docker.mirrors.ustc.edu.cn"]}”内容；

4、重启docker即可。

=========================================================================

定制了2个docker镜像，分别是带数据的neo4j数据库镜像和带hanlp字典数据及训练样本数据和应用程序的tomcat镜像，如下：

镜像地址:Docker Hubhttps://hub.docker.com/r/appleyk/neo4j-movies

---

镜像地址：Docker Hubhttps://hub.docker.com/r/appleyk/tomcat8-movies

---

其中tomcat镜像由于带有hanlp数据部分，所以镜像本身有点大，如果你的docker没有配置镜像加速代理服务的话拉取会很慢，所以在我的阿里云镜像仓库中也推送了一份如下：

阿里云镜像地址：registry.cn-hangzhou.aliyuncs.com/appleyk/tomcat8-movies

拉取方式：

docker pull registry.cn-hangzhou.aliyuncs.com/appleyk/tomcat8-movies:v1.0

---

使用docker启动neo4j容器效果如下（无需考虑版本和数据导入，只需按配置来即可）：

---

使用docker启动tomcat容器效果如下（无需考虑hanlp数据和训练样本，只需按配置来即可）：

---

GitHub地址：GitHub - kobeyk/Spring-Boot-Neo4j-Movies: SpringBoot集成Neo4j图数据库，利用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。

码云（gitee）地址：Spring-Boot-Neo4j-Movies: SpringBoot集成Neo4j图数据库，利用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。

注意最新代码为分支：v0.1.2

注：本篇不再过多的讲解如何demo实现了，集成也很是简单的，前面几章也已经给本篇做足了铺垫。项目中的代码注释也是非常的详细，最后会附上整个项目的git仓库地址。

一、效果预览

（1）电影简介

前端展示：

后台效果：

（2）电影评分

前端展示：

后台效果：

（3）电影演员列表

前端展示：

后台效果：

（4）演员A和演员B合作过哪些电影

前端展示：

后端效果：

由于章子怡本来是一个完整的人名，但是HanLP分词的时候，却意外的“失手”了，因此导致最后查询无果

我们再换个问题试验一把

后台效果：

（5）某演员出演过那种类型的电影或演过某种类型的电影有哪些

......etc，其余不在做演示，下面直接来看如何利用Spring-Boot搭建我们的智能问答系统

二、项目目录结构图

三、Movie节点类

这里只拿电影信息的节点类来进行演示，比如，movie对应的节点在Java中定义类如下：

package com.appleyk.node;

import java.util.List;

import org.neo4j.ogm.annotation.NodeEntity;
import org.neo4j.ogm.annotation.Relationship;

import com.fasterxml.jackson.annotation.JsonProperty;

@NodeEntity
public class Movie extends BaseEntity{

	private Long mid;
	private Double rating;
	private String releasedate;
	private String title;
	private String introduction;

	@Relationship(type = "is")
	@JsonProperty("电影类型")
	private List<Genre> genres;
	

	public Movie() {

	}

	public Long getMid() {
		return mid;
	}

	public void setMid(Long mid) {
		this.mid = mid;
	}

	public Double getRating() {
		return rating;
	}

	public void setRating(Double rating) {
		this.rating = rating;
	}

	public String getReleasedate() {
		return releasedate;
	}

	public void setReleasedate(String releasedate) {
		this.releasedate = releasedate;
	}

	public String getTitle() {
		return title;
	}

	public void setTitle(String title) {
		this.title = title;
	}

	public String getIntroduction() {
		return introduction;
	}

	public void setIntroduction(String introduction) {
		this.introduction = introduction;
	}

	public List<Genre> getGenres() {
		return genres;
	}

	public void setGenres(List<Genre> genres) {
		this.genres = genres;
	}

}

其中属性和neo4j中的movie节点的属性一一对应

电影信息节点里面带有关系is，对应neo4j中该电影的类型

通过Controller对外提供的查询接口如下：

外部调用效果如下：

四、加载自定义带词性的字典数据

注：不要使用HanLP提供的自定义词典路径，因为这个除了不能随心所欲的定义分词的词性以外，还极容易出现分词紊乱，词性对不上的bug，为了满足我们对专有电影名、电影分数及电影类型词性的定义，我们使用额外加载的方式设置HanLP的自定义分词，application.properties中设置自定义词典的路径如下：

这三个文件的下载地址：自定义词典.zip_免费高速下载|百度网盘-分享无限制

注：也可以根据自己的需求进行设置

五、项目完整地址

GitHub下载地址：Spring-Boot集成Neo4j并利用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

完结！！！

番外篇：如何将项目导入到IDEA并运行测试效果？

（1）IDEA项目结构图（导入pom文件，配置好Maven后如下）

（2）项目配置文件

（3）内嵌html测试前端访问页面

（4）启动项目

（5）浏览器访问主页Index.html