胡笨笨硕士期间项目心得之项目三-二气象知识图谱语音问答系统

已于 2023-10-10 13:58:29 修改
阅读量3.2k 收藏 4
点赞数
文章标签： python 知识图谱 音频
于 2022-04-21 23:08:30 首次发布
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。
本文链接：https://blog.csdn.net/weixin_43636034/article/details/124159308
版权

项目场景：

对于知识图谱落地还有一个便是问答系统，目前就是基于文字输入再文字输出，但是我们可以玩点花活基于语音的知识图谱问答系统。

知识图谱构建（略）

在项目三中，已经搭建了气象知识图谱，可以参考前面博客。

关键信息提取：

在接入语音识别之前，先要做的是假设识别出一句语句那么应该要怎么处理，以前基于知识图谱的问答系统，是用模板匹配，但是我个人觉得效果并不好而且要输入特定的语句，文字输入可以，但是话术的化误差性大，就不适合了。那要用什么方法呢，为此，我想了一下，在不考虑兼容和可扩展性的情况下，我采取了直接莽上去的方法，就是利用python 里面find语句找到里面关键词，这是必然有缺点的，例如语义的转折，或同义词出现，这些还在搞，目前版本是最简单的，将几个同义词放到一起（这个可以用txt文本做可扩容）但是还是那句时间紧任务重，先做一个出来，之后在做添加。为此，方案就有了，下面就是简单的码代码，做这个简单的功能模块。代码如下

__author__ = "Huzhichen"
#coding=utf-8
import json
from py2neo import Graph, Node, Relationship, cypher, NodeMatcher, RelationshipMatcher
graph = Graph("http://localhost:7474", auth=("neo4j", "admin"))
matcher = NodeMatcher(graph)
sentence='降雨预警紫色降雨学校预防措施'
answerStence=''
if sentence.find('雨')!=-1 :
    if sentence.find('蓝色')!=-1:
        if sentence.find('措施')!=-1 or sentence.find('预防措施')!=-1 or sentence.find('方法')!=-1 or sentence.find('预防方法')!=-1 or sentence.find('防汛')!=-1:
            if sentence.find('学校')!=-1 or sentence.find('大学')!=-1 or sentence.find('本科')!=-1 or sentence.find('高中')!=-1 or sentence.find('初中')!=-1 or sentence.find('小学')!=-1 or sentence.find('小学')!=-1 or sentence.find('幼儿园')!=-1:
                ret = graph.run('MATCH p=(n:`蓝色预警`{name:"暴雨蓝色预警"})-[*]->(m:`学校`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence=nodes['content']
                print(answerStence)
            elif sentence.find('政府')!=-1:
                ret = graph.run('MATCH p=(n:`蓝色预警`{name:"暴雨蓝色预警"})-[*]->(m:`政府`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('户外人员')!=-1 or sentence.find('户外工作者')!=-1:
                ret = graph.run('MATCH p=(n:`蓝色预警`{name:"暴雨蓝色预警"})-[*]->(m:`户外人员`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('城管部门')!=-1:
                ret = graph.run('MATCH p=(n:`蓝色预警`{name:"暴雨蓝色预警"})-[*]->(m:`城管部门`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            else:
                f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
                f1.write(sentence + '\n')
                print("保存成功")
                f1.close()
                answerStence = '抱歉，我还不会，真正学习中!'
                #print(answerStence)
        elif sentence.find('降雨量')!=-1 or sentence.find('雨量')!=-1:
            ret = graph.run('MATCH p=(n:`蓝色预警`{name:"暴雨蓝色预警"})-[*]->(m:`级别标准`) return m').data()
            nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
            nodes = json.loads(nodesStr)
            answerStence = nodes['name']
            print(answerStence)
        else:
            f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
            f1.write(sentence + '\n')
            print("保存成功")
            f1.close()
            answerStence = '抱歉，我还不会，真正学习中!'
            #print(answerStence)
    elif sentence.find('黄色')!=-1:
        if sentence.find('措施') != -1 or sentence.find('预防措施') != -1 or sentence.find('方法') != -1 or sentence.find('预防方法') != -1 or sentence.find('防汛') != -1:
            if sentence.find('学校') != -1 or sentence.find('大学') != -1 or sentence.find('本科') != -1 or sentence.find('高中') != -1 or sentence.find('初中') != -1 or sentence.find('小学') != -1 or sentence.find('小学') != -1 or sentence.find('幼儿园') != -1:
                ret = graph.run('MATCH p=(n:`黄色预警`{name:"暴雨黄色预警"})-[*]->(m:`学校`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('政府') != -1:
                ret = graph.run('MATCH p=(n:`黄色预警`{name:"暴雨黄色预警"})-[*]->(m:`政府`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('户外人员') != -1 or sentence.find('户外工作者') != -1:
                ret = graph.run('MATCH p=(n:`黄色预警`{name:"暴雨黄色预警"})-[*]->(m:`户外人员`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('城管部门') != -1:
                ret = graph.run('MATCH p=(n:`黄色预警`{name:"暴雨黄色预警"})-[*]->(m:`城管部门`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            else:
                f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
                f1.write(sentence + '\n')
                print("保存成功")
                f1.close()
                answerStence = '抱歉，我还不会，真正学习中!'
                #print(answerStence)
        elif sentence.find('降雨量')!=-1 or sentence.find('雨量')!=-1:
            ret = graph.run('MATCH p=(n:`黄色预警`{name:"暴雨黄色预警"})-[*]->(m:`级别标准`) return m').data()
            nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
            nodes = json.loads(nodesStr)
            answerStence = nodes['name']
            print(answerStence)
        else:
            f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
            f1.write(sentence + '\n')
            print("保存成功")
            f1.close()
            answerStence = '抱歉，我还不会，真正学习中!'
            #print(answerStence)
    elif sentence.find('橙色')!=-1:
        if sentence.find('措施') != -1 or sentence.find('预防措施') != -1 or sentence.find('方法') != -1 or sentence.find('预防方法') != -1 or sentence.find('防汛') != -1:
            if sentence.find('学校') != -1 or sentence.find('大学') != -1 or sentence.find('本科') != -1 or sentence.find('高中') != -1 or sentence.find('初中') != -1 or sentence.find('小学') != -1 or sentence.find('小学') != -1 or sentence.find('幼儿园') != -1:
                ret = graph.run('MATCH p=(n:`橙色预警`{name:"暴雨橙色预警"})-[*]->(m:`学校`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('政府') != -1:
                ret = graph.run('MATCH p=(n:`橙色预警`{name:"暴雨橙色预警"})-[*]->(m:`政府`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('户外人员') != -1 or sentence.find('户外工作者') != -1:
                ret = graph.run('MATCH p=(n:`橙色预警`{name:"暴雨橙色预警"})-[*]->(m:`户外人员`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('城管部门') != -1:
                ret = graph.run('MATCH p=(n:`橙色预警`{name:"暴雨橙色预警"})-[*]->(m:`城管部门`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            else:
                f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
                f1.write(sentence + '\n')
                print("保存成功")
                f1.close()
                answerStence = '抱歉，我还不会，真正学习中!'
                #print(answerStence)
        elif sentence.find('降雨量')!=-1 or sentence.find('雨量')!=-1:
            ret = graph.run('MATCH p=(n:`橙色预警`{name:"暴雨橙色预警"})-[*]->(m:`级别标准`) return m').data()
            nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
            nodes = json.loads(nodesStr)
            answerStence = nodes['name']
            print(answerStence)
        else:
            f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
            f1.write(sentence + '\n')
            print("保存成功")
            f1.close()
            answerStence = '抱歉，我还不会，真正学习中!'
            #print(answerStence)
    elif sentence.find('红色')!=-1:
        if sentence.find('措施') != -1 or sentence.find('预防措施') != -1 or sentence.find('方法') != -1 or sentence.find('预防方法') != -1 or sentence.find('防汛') != -1:
            if sentence.find('学校') != -1 or sentence.find('大学') != -1 or sentence.find('本科') != -1 or sentence.find('高中') != -1 or sentence.find('初中') != -1 or sentence.find('小学') != -1 or sentence.find('小学') != -1 or sentence.find('幼儿园') != -1:
                ret = graph.run('MATCH p=(n:`红色预警`{name:"暴雨红色预警"})-[*]->(m:`学校`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('政府') != -1:
                ret = graph.run('MATCH p=(n:`红色预警`{name:"暴雨红色预警"})-[*]->(m:`政府`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('城管部门') != -1:
                ret = graph.run('MATCH p=(n:`红色预警`{name:"暴雨红色预警"})-[*]->(m:`城管部门`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            else:
                f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
                f1.write(sentence + '\n')
                print("保存成功")
                f1.close()
                answerStence = '抱歉，我还不会，真正学习中!'
                #print(answerStence)
        elif sentence.find('降雨量')!=-1 or sentence.find('雨量')!=-1:
            ret = graph.run('MATCH p=(n:`红色预警`{name:"暴雨红色预警"})-[*]->(m:`级别标准`) return m').data()
            nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
            nodes = json.loads(nodesStr)
            answerStence = nodes['name']
            print(answerStence)
        else:
            f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
            f1.write(sentence + '\n')
            print("保存成功")
            f1.close()
            answerStence = '抱歉，我还不会，真正学习中!'
            #print(answerStence)
    else:
        f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
        f1.write(sentence + '\n')
        print("保存成功")
        f1.close()
        answerStence = '抱歉，我还不会，真正学习中!'
else:
    f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
    f1.write(sentence + '\n')
    print("保存成功")
    f1.close()
    answerStence = '抱歉，我还不会，真正学习中!'
print(answerStence)

语音问答：

这里我是参考了这个博客“从零开始搭建一个语音对话机器人”传送门这里有一个提醒就是安装ffmpeg时候路径中不能有一个中文，不能有中文，不能有中文，别问我是怎么知道的。
最后将两者融合进行识别。

from aip import AipSpeech
import pyrec
import wav2pcm
import  playmp3
import json
from py2neo import Graph, Node, Relationship, cypher, NodeMatcher, RelationshipMatcher
APP_ID = ''
API_KEY = ''
SECRET_KEY = ''
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
pyrec.rec('Weather.wav')
pcm_file=wav2pcm.wav_to_pcm('Weather.wav')
with open('Weather.pcm','rb') as fp:
    file_context=fp.read()
# 识别本地语音
res=client.asr(file_context,'pcm',16000,{
    'dev_pid':1536,
})
graph = Graph("http://localhost:7474", auth=("neo4j", "admin"))
matcher = NodeMatcher(graph)
sentence=res['result'][0]
print(sentence)
answerStence=''
if sentence.find('雨')!=-1 :
    if sentence.find('蓝色')!=-1:
        if sentence.find('措施')!=-1 or sentence.find('预防措施')!=-1 or sentence.find('方法')!=-1 or sentence.find('预防方法')!=-1 or sentence.find('防汛')!=-1:
            if sentence.find('学校')!=-1 or sentence.find('大学')!=-1 or sentence.find('本科')!=-1 or sentence.find('高中')!=-1 or sentence.find('初中')!=-1 or sentence.find('小学')!=-1 or sentence.find('小学')!=-1 or sentence.find('幼儿园')!=-1:
                ret = graph.run('MATCH p=(n:`蓝色预警`{name:"暴雨蓝色预警"})-[*]->(m:`学校`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence=nodes['content']
                print(answerStence)
            elif sentence.find('政府')!=-1:
                ret = graph.run('MATCH p=(n:`蓝色预警`{name:"暴雨蓝色预警"})-[*]->(m:`政府`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('户外人员')!=-1 or sentence.find('户外工作者')!=-1:
                ret = graph.run('MATCH p=(n:`蓝色预警`{name:"暴雨蓝色预警"})-[*]->(m:`户外人员`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('城管部门')!=-1:
                ret = graph.run('MATCH p=(n:`蓝色预警`{name:"暴雨蓝色预警"})-[*]->(m:`城管部门`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            else:
                f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
                f1.write(sentence + '\n')
                print("保存成功")
                f1.close()
                answerStence = '抱歉，我还不会，真正学习中!'
                #print(answerStence)
        elif sentence.find('降雨量')!=-1 or sentence.find('雨量')!=-1:
            ret = graph.run('MATCH p=(n:`蓝色预警`{name:"暴雨蓝色预警"})-[*]->(m:`级别标准`) return m').data()
            nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
            nodes = json.loads(nodesStr)
            answerStence = nodes['name']
            print(answerStence)
        else:
            f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
            f1.write(sentence + '\n')
            print("保存成功")
            f1.close()
            answerStence = '抱歉，我还不会，真正学习中!'
            #print(answerStence)
    elif sentence.find('黄色')!=-1:
        if sentence.find('措施') != -1 or sentence.find('预防措施') != -1 or sentence.find('方法') != -1 or sentence.find('预防方法') != -1 or sentence.find('防汛') != -1:
            if sentence.find('学校') != -1 or sentence.find('大学') != -1 or sentence.find('本科') != -1 or sentence.find('高中') != -1 or sentence.find('初中') != -1 or sentence.find('小学') != -1 or sentence.find('小学') != -1 or sentence.find('幼儿园') != -1:
                ret = graph.run('MATCH p=(n:`黄色预警`{name:"暴雨黄色预警"})-[*]->(m:`学校`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('政府') != -1:
                ret = graph.run('MATCH p=(n:`黄色预警`{name:"暴雨黄色预警"})-[*]->(m:`政府`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('户外人员') != -1 or sentence.find('户外工作者') != -1:
                ret = graph.run('MATCH p=(n:`黄色预警`{name:"暴雨黄色预警"})-[*]->(m:`户外人员`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('城管部门') != -1:
                ret = graph.run('MATCH p=(n:`黄色预警`{name:"暴雨黄色预警"})-[*]->(m:`城管部门`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            else:
                f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
                f1.write(sentence + '\n')
                print("保存成功")
                f1.close()
                answerStence = '抱歉，我还不会，真正学习中!'
                #print(answerStence)
        elif sentence.find('降雨量')!=-1 or sentence.find('雨量')!=-1:
            ret = graph.run('MATCH p=(n:`黄色预警`{name:"暴雨黄色预警"})-[*]->(m:`级别标准`) return m').data()
            nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
            nodes = json.loads(nodesStr)
            answerStence = nodes['name']
            print(answerStence)
        else:
            f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
            f1.write(sentence + '\n')
            print("保存成功")
            f1.close()
            answerStence = '抱歉，我还不会，真正学习中!'
            #print(answerStence)
    elif sentence.find('橙色')!=-1:
        if sentence.find('措施') != -1 or sentence.find('预防措施') != -1 or sentence.find('方法') != -1 or sentence.find('预防方法') != -1 or sentence.find('防汛') != -1:
            if sentence.find('学校') != -1 or sentence.find('大学') != -1 or sentence.find('本科') != -1 or sentence.find('高中') != -1 or sentence.find('初中') != -1 or sentence.find('小学') != -1 or sentence.find('小学') != -1 or sentence.find('幼儿园') != -1:
                ret = graph.run('MATCH p=(n:`橙色预警`{name:"暴雨橙色预警"})-[*]->(m:`学校`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('政府') != -1:
                ret = graph.run('MATCH p=(n:`橙色预警`{name:"暴雨橙色预警"})-[*]->(m:`政府`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('户外人员') != -1 or sentence.find('户外工作者') != -1:
                ret = graph.run('MATCH p=(n:`橙色预警`{name:"暴雨橙色预警"})-[*]->(m:`户外人员`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('城管部门') != -1:
                ret = graph.run('MATCH p=(n:`橙色预警`{name:"暴雨橙色预警"})-[*]->(m:`城管部门`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            else:
                f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
                f1.write(sentence + '\n')
                print("保存成功")
                f1.close()
                answerStence = '抱歉，我还不会，真正学习中!'
                #print(answerStence)
        elif sentence.find('降雨量')!=-1 or sentence.find('雨量')!=-1:
            ret = graph.run('MATCH p=(n:`橙色预警`{name:"暴雨橙色预警"})-[*]->(m:`级别标准`) return m').data()
            nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
            nodes = json.loads(nodesStr)
            answerStence = nodes['name']
            print(answerStence)
        else:
            f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
            f1.write(sentence + '\n')
            print("保存成功")
            f1.close()
            answerStence = '抱歉，我还不会，真正学习中!'
            #print(answerStence)
    elif sentence.find('红色')!=-1:
        if sentence.find('措施') != -1 or sentence.find('预防措施') != -1 or sentence.find('方法') != -1 or sentence.find('预防方法') != -1 or sentence.find('防汛') != -1:
            if sentence.find('学校') != -1 or sentence.find('大学') != -1 or sentence.find('本科') != -1 or sentence.find('高中') != -1 or sentence.find('初中') != -1 or sentence.find('小学') != -1 or sentence.find('小学') != -1 or sentence.find('幼儿园') != -1:
                ret = graph.run('MATCH p=(n:`红色预警`{name:"暴雨红色预警"})-[*]->(m:`学校`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('政府') != -1:
                ret = graph.run('MATCH p=(n:`红色预警`{name:"暴雨红色预警"})-[*]->(m:`政府`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            elif sentence.find('城管部门') != -1:
                ret = graph.run('MATCH p=(n:`红色预警`{name:"暴雨红色预警"})-[*]->(m:`城管部门`) return m').data()
                nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
                nodes = json.loads(nodesStr)
                answerStence = nodes['content']
                print(answerStence)
            else:
                f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
                f1.write(sentence + '\n')
                print("保存成功")
                f1.close()
                answerStence = '抱歉，我还不会，真正学习中!'
                #print(answerStence)
        elif sentence.find('降雨量')!=-1 or sentence.find('雨量')!=-1:
            ret = graph.run('MATCH p=(n:`红色预警`{name:"暴雨红色预警"})-[*]->(m:`级别标准`) return m').data()
            nodesStr = json.dumps(ret[0]['m'], ensure_ascii=False)
            nodes = json.loads(nodesStr)
            answerStence = nodes['name']
            print(answerStence)
        else:
            f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
            f1.write(sentence + '\n')
            print("保存成功")
            f1.close()
            answerStence = '抱歉，我还不会，真正学习中!'
            #print(answerStence)
    else:
        f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
        f1.write(sentence + '\n')
        print("保存成功")
        f1.close()
        answerStence = '抱歉，我还不会，真正学习中!'
else:
    f1 = open(r'/问题保存.txt', "a+", encoding='utf-8')
    f1.write(sentence + '\n')
    print("保存成功")
    f1.close()
    answerStence = '抱歉，我还不会，真正学习中!'
print(answerStence)

res_str=answerStence
synth_context=client.synthesis(res_str,'zh',1,{
    'spd':4,
    'vol': 5,
    'pit':9,
    'per':4})
with open("synth.mp3","wb")as f:
    f.write(synth_context)
playmp3.play_mp3("synth.mp3")

效果视频和github代码如下：

气象语音问答

代码如下：https://github.com/zhichen-roger/QAweather.git

经常喝假酒的胡小臣
关注
胡笨笨硕士期间项目心得之项目三气象知识图谱的构建及区域积水地区预测
weixin_43636034的博客
04-06 2999
项目三气象知识图谱的构建及问答系统构建： 奈天昏地暗，斗转星移。风骤紧，缥缈风头云乱。用知识图谱构建气象语音问答系统，将技术及时的落地才是王道。 需求分析 例如：数据传输过程中数据不时出现丢失的情况，偶尔会丢失一部分数据APP 中接收数据代码： @Override public void run() { bytes = mmInStream.read(buffer); mHandler.obtainMessage(READ_DATA, bytes, -1, buffer).sendToTarge
论文浅尝 | Wordly Wise(WoW) - 用于语音视觉知识问答的跨语言知识融合模型
开放知识图谱
11-27 2190
笔记整理: 谭亦鸣，东南大学博士生来源：NAACL’21链接：https://aclanthology.org/2021.naacl-main.153.pdf论文提出了一种新的知识图谱问答...
问答系统(1)——天气
记得别人忘了自己
12-22 275
最近初步完成了关于天气的问答系统（主要涉及到天气查询） 目前处理的是是非问句：     因为不同类型的问题，采取不同的处理方式 —简单事实型问题（Yes/No,who，which，what） 可以采用模板匹配的方式 —Why或How复杂问题： 可以采用文本摘要的方式 注意：英文中的How不一定都是复杂问题，具体可以分为How about，How to do,How+程度副词，...
知识图谱与天气预报：提高预报准确性的关键技术
最新发布
AI天才研究院
01-04 851
1.背景介绍 天气预报是一项对人类生活和经济产生重要影响的科学技术。传统的天气预报方法主要包括数据收集、数据处理、预报模型建立和预报结果分析等环节。随着大数据技术的发展，人工智能科学家和计算机科学家们开始关注如何运用大数据技术来提高天气预报的准确性。知识图谱技术是一种新兴的人工智能技术，它具有强大的知识表示和推理能力。在天气预报领域，知识图谱技术可以帮助我们更好地理解天气现象的关系和规律，从而提...
微擎智云语音问答
静如雪的博客
07-05 436
自动语音对话系统 Python实现
zc的csdn
01-06 3685
基于Linux 上实现智能语音问答系统
知识图谱课件
10-25
知识图谱（Knowledge Graph）又称为科学知识图谱，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
胡笨笨硕士期间项目心得之项目二图片插入知识图谱的构建可视化图谱场景
weixin_43636034的博客
04-03 1198
在知识图谱中插入图片的方法
胡笨笨硕士期间项目心得之项目四地学中砂岩文献内三角图和知识图谱关联
weixin_43636034的博客
04-11 1153
项目四地学文献中三角图和知识图谱关联： 春来我不先开口，哪个虫儿敢作声。这个项目目前我参加最大的项目是国家自然科学基金指南引导类0-1原创探索项目子课题，（“沉积物知识图谱及其知识演化研究”）。这个小妙点子只是这个项目其中的一部分，在前期很紧急的情况下，也是第一个将知识图谱和沉积学实实在在关联到一起的例子。 ...
胡笨笨硕士期间项目心得之项目一砂岩体系结构化推理场景
weixin_43636034的博客
04-03 926
在具体学科体系结构环境下，需要做一个体系结构化反向推理，适用于一切体系结构的推理。利用python和知识图谱给大家还原本项目案例流程。
基于HTML实现其他类别网站_阿假笨笨之彩票摇奖PHP 1.2 繁体版_game(HTML源码+数据集+项目使用说明).rar
07-04
【项目资源】：包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、...
通过Python查询Neo4j数据为中文乱码问题的解决
i_like_python的博客
12-22 2049
最近把rdf格式数据导入Neo4j数据库后，在Pycharm中进行节点查询的时候，出现了以下错误，所有中文属性内容全部都是“\u**” 通过查找资料，以下方法可行： from py2neo import Graph,NodeMatcher import json effects_graph = Graph("http://localhost:7474", username = 'neo4j', password = '
知识图谱属性融合_知识图谱入门讲解
weixin_32006353的博客
01-05 1152
一、定义知识图谱以结构化的形式描述客观世界中概念、实体及其之间的关系，将互联网信息表达成接近人类认知世界的形式，更好的组织、管理、理解互联网海量信息。知识图谱本质上是语义网络，是一种基于图的数据结构。二、节点种类常见的知识图谱主要包含了三种节点：实体、概念、属性A.实体：具有可区别性并且独立存在的某种事物，如中国、张三，是知识图谱中最基本的元素；B.概念：具有同种特性的实体构成的集合，如国家、民族...
人工智能大神深度解剖知识图谱的六大应用
热门推荐
木东的博客
09-29 1万+
本文是智金汇微信课堂第26期的分享实录，分享人为“公子小白机器人”的CTO王昊奋博士，分享主题为“知识图谱面面观”。 可能大家并不是很了解知识图谱，但是大家一定了解石油。石油不仅仅是能源，很多衍生品也都需要依赖石油。类似地，我们在进行人工智能的探索道路上，我们也需要了解其本质，或者在其基础上衍生出各种上层的智能应用。在我个人看来，知识图谱正是起到了这样一个作用。 这里并没有过多
python爬取中国天气网天气并保存为csv格式文件
叶柖的博客
11-11 9995
python版本：python3.7 编译器：pycharm 所爬取的网址：http://www.weather.com.cn/weather/101020100.shtml （中国天气网上海） 所用方法：lxml的css选择器 lxml的具体使用方法可以参照我另一篇博客：https://blog.csdn.net/qq_38929220/article/details/83623057 最后运行...
知识图谱学习笔记（五）——实体识别（2）
aidanmo的博客
12-30 1578
实体识别（信息抽取） 知识图谱学习笔记（五）——实体识别(1) 2. 信息抽取的基础：分词和词性标注 2.6基于统计的分词方法 基于统计的方法需要标注训练语料训练模型，可分为生成式统计分词和判别式统计分词 2.6.1 生成式方法 生成式方法优缺点 优点：在训练语料规模足够大和覆盖领域足够多的情况下，可以获得较高的切分正确率 缺点：训练语料的规模和覆盖领域不好把握。模型实现复杂、计算量较大。 ...
用mapreduce 处理气象数据集
weixin_30808575的博客
05-09 230
用mapreduce 处理气象数据集 编写程序求每日最高最低气温，区间最高最低气温 气象数据集下载地址为：ftp://ftp.ncdc.noaa.gov/pub/data/noaa 按学号后三位下载不同年份月份的数据（例如201506110136号同学，就下载2013年以6开头的数据，看具体数据情况稍有变通） 解压数据集，并保存在文本文件中 对气象数据格式进行解析 编...
气象，风向说明
weixin_33877885的博客
01-08 1471
   0-360表示： 用角度表示风向，是把圆周分成360度，北风(N)是0度(即360度)，东风(E)是90度，南风(S)是180度，西风(W)是270度，其余的风向都可以由此计算出来。 private function getWind(u:Number,v:Number):Class { var c:Class=icon0; ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

经常喝假酒的胡小臣

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值