python知识图谱问答系统代码_如何搭建一个基于知识图谱的问答系统（以医疗行业为例）...

原标题：如何搭建一个基于知识图谱的问答系统(以医疗行业为例)

问答系统(QA)已经成为人类访问十亿级知识图谱的流行方式。与网络搜索不同，在自然语言问题能够被精确地理解和映射到知识图谱上的结构化查询的前提下，基于知识图谱的问答系统可以给出准确且简洁的结果。

近几年，随着Google Knowledge Graph、Freebase、YAGO2等大规模知识图谱的不断涌现，极大地增加了问答系统的重要性和商业价值。在各大主流招聘网站上，可以看到相关人才需求逐年增加，供不应求，且薪资普遍高于其他AI领域。越来越多技术人员开始转向知识图谱相关领域的研发，但是由于知识点广，可参考的资料不多，给能力进阶或转行带来极大困难。

图片来源于招聘网站Boss直聘

基于以上背景，深蓝学院联合国内知识图谱领域的知名学者，开设知识图谱线下集训课程(第四期)，地点定于深圳。本期集训为时4天，致力于通过8个半天和4个晚自习的高强度课程学习&实践，即学即练，帮助学员系统掌握知识图谱各个生命周期的主流核心技术，学会如何独立实现一个基于知识图谱的问答系统。(本次集训以医疗行业为教学实战案例)

本次集训提供所有代码、说明文档、软件安装包、操作视频(如下所示)，为了确保学员的实战效果，还另外安排一个月的线上答疑和实战项目指导。

讲师介绍

曾博，高校讲师，中科院自动化所模式识别国家重点实验室博士，主要研究方向为信息抽取、知识图谱、自然语言处理，迄今在包括ACL、EMNLP、COLING、IJCAI等国际顶级会议上发表多篇学术论文，曾获得COLING、CCL最佳论文奖。主持多项国