个人总结啊

个人工作总结

问答模型由两部分组成

• reader模型
• 知识库为wiki中文的KBQA模型

reader模型训练使用了dureader数据集，并用flask库作为服务器进行主机间的通信

KBQA中训练了三个模型

• 基于albert的命名实体识别模型
• W2V预训练词向量模型
• 基于albert的预读理解模型

并使用torchserve部署到老师提供的服务器上，提供多线程、并发访问操作

服务端启动说明

• 启动reader
  运行paddle文件夹下的app.py

• 启动KBQA
  在QA文件夹下运行指令

torchserve --start --ts-config config.properties --model-store model_store \
--models reader=reader.mar,NER=NER.mar,W2V=W2V.mar

或在老师服务器上运行下面四条指令

source activate QA

cd /data/undergrad/bert-master/BERT-for-Chinese-Question-Answering/BERT-for-Chinese-Question-Answering-master/data/final_qa/qa

torchserve --stop

torchserve --start --ts-config config.properties --model-store model_store \
--models reader=reader.mar,NER=NER.mar,W2V=W2V.mar