工程实践：基于规则模式的军事和医药领域知识图谱问答快速实现

最新推荐文章于 2024-04-12 08:02:42 发布

「已注销」

最新推荐文章于 2024-04-12 08:02:42 发布

阅读量3k

点赞数

分类专栏：语言信息处理自然语言处理知识图谱文章标签：知识图谱

本文链接：https://blog.csdn.net/lhy2014/article/details/120587865

版权

本文介绍了基于规则模式的军事和医药领域知识图谱问答系统的实现，包括军事武器知识图谱QAonMilitaryKG和医药问答项目QAonMedicalKG。项目分别使用mongodb和Neo4j存储数据，通过jieba进行问句解析和实体识别，实现结构化数据的匹配查询。军事项目涉及飞行器、舰艇等军事装备，医药项目则以疾病为中心构建医疗知识图谱。

摘要由CSDN通过智能技术生成

知识结构化问答是知识图谱的一个重要的应用方向，虽然现在许多真实的使用体验上，会被评价为“鸡肋且智障”，并且在落地上还没有太多的付费场景，但也不乏有不少学生、公司、机构在尝试花时间去做这个事情。当前，医疗知识图谱QAonMilitaryKG，成为了不少朋友都会参考的一个问答快速实现demo的案例，网上也有不少的复现和踩坑记录总结。本文则围绕着医疗知识图谱QAonMilitaryKG和军事武器知识图谱问答两个项目进行简要介绍，希望可以作为大家的一个指引。

一、军事武器知识图谱构建与自动问答项目QAonMilitaryKG
QAonMilitaryKG，QaSystem based on military knowledge graph that stores in mongodb which is different from the previous one, 基于mongodb存储的军事领域知识图谱问答项目，包括飞行器、太空装备等8大类，100余小类，共计5800项的军事武器知识库，该项目不使用图数据库进行存储，通过jieba进行问句解析，问句实体项识别，基于查询模板完成多类问题的查询，主要是提供一种工业界的问答思想demo。
项目地址：
https://github.com/liuhuanyong/QAonMilitaryKG
1、项目背景
基于知识图谱或知识库的问答KBQA是目前垂直领域或百科领域问答中使用较多的一种问答方式，本质上是在做结构化数据的匹配查询任务。笔者之前利用neo4g图数据库上基于医疗领域结构化知识库，阐述了基于图数据库的医疗知识图谱构建与问答方案，并实现了一个简单的demo。项目见:(https://github.com/liuhuanyong/QASystemOnMedicalKG)
技术选型是实现自动问答系统的一个重要环节&