- 博客(12)
- 收藏
- 关注
原创 创新实训-中医药知识图谱的构建与应用07
项目后端使用django框架在命令行输入命令:python manage.py startapp kbqa并在settings.py中进行配置在kbqa文件夹下会生成以下文件![在这里插入图片描述](https://img-blog.csdnimg.cn/b59904afb873436faa1b994ed26fb082.png在urls.py中的urlpatterns中添加路由注意:path(route, view, kwargs=None, name)路由kbqa对应着views.py中
2022-06-03 18:10:26 459
原创 创新实训-中医药知识图谱的构建与应用06
这部分参考该github项目1.调用QuestionClassifier()获取问句类别2.调用QuestionPaser()生成sql语句3.调用AnswerSearcher()获得最终答案执行问答
2022-06-03 17:07:54 180
原创 创新实训-中医药知识图谱的构建与应用04
创新实训-中医药知识图谱的构建与应用03sql查询sql查询需要根据不同的问句类别定义sql语句。 def sql_transfer(self, question_type, entities): if not entities: return [] # 查询语句 sql = [] # 查询应该吃什么药 if question_type == 'disease_drug':
2022-06-03 16:48:27 234
原创 Leetcode28——字符串匹配问题
要求:实现int strStr(string haystack, string needle) {}函数,haystack是主串,needle是模式串,返回模式串在主串中出现的位置。KMP算法实现注意:这里next数组下标是从0开始的哦
2022-06-01 15:48:10 133
原创 创新实训-中医药知识图谱的构建与应用03
创新实训-中医药知识图谱的构建与应用03本周工作利用主题模型建模推荐草药本周工作因为需要有推荐处方的功能,所以读了论文《A Topic Modeling Approach for Traditional Chinese Medicine Prescriptions》这篇论文提出了一个主题模型来描述中医理论中处方的生成过程。利用主题模型建模将处方视为文档,处方中的草药和症状当作单词,将治疗的模式(一种证候及其对应的治疗方式)当作主题进行建模。把草药和症状当作观察变量,证候和治疗方式当作隐藏变量。也就
2022-05-23 20:29:57 429
原创 leetcode215_top k问题
top k问题top k问题一、快速排序法二、堆排序法top k问题从n个数中找到第k大的元素一、快速排序法在快速排序中,需要找到一个枢轴元素,并调整数组元素,使得枢轴元素左侧全为小于它的数,右侧全是大于它的数。如果在某次划分后枢轴元素的位置正好为倒数第k个数,那么此时枢轴元素就是要找的第k大的数。如果划分后枢轴元素的下标小于目标下标,则只需要递归对右子区间进行划分;如果划分后枢轴元素的下标大于目标下标,则只需要递归对左子区间进行划分。时间复杂度:O(n)int partition(vector
2022-05-22 11:41:32 103
原创 创新实训-中医药知识图谱的构建与应用02
创新实训-中医药知识图谱的构建与应用02梳理支持问答的类型构建AC树进行实体提取问句过滤问句分类这部分参考该github项目梳理支持问答的类型由于我们的数据集是针对中医药的数据集,因此支持的问答类型也都以中医药为中心。构建AC树进行实体提取通过将该领域的实体名字加入到AC树中,可以查询问句中出现的实体名字,从而实现实体提取。 def build_actree(self, wordlist): actree = ahocorasick.Automaton()
2022-03-18 21:34:02 2002
原创 创新实训-中医药知识图谱的构建与应用01
创新实训-中医药知识图谱的构建与应用01项目目标工作进度下周计划项目目标根据中医药数据集构建知识图谱,并进行可视化。实现基于知识的处方推荐并构建中医药自动问答系统。工作进度阅读了一篇比较不错的相关论文《A Topic Modeling Approach for TraditionalChinese Medicine Prescriptions》,准备利用论文中提出的主题模型对中医药处方的生成模式建模,并实现两种推荐:1.给定症状,推荐一组中草药。2.给定中草药,推荐与之相关的症状。下周计划将推
2022-03-07 20:58:14 1124
原创 self attention 自注意力机制——李宏毅机器学习课程笔记
self attention 自注意力机制——李宏毅机器学习课程笔记假如我们要处理输入向量与输出向量个数一样多的问题,比如给定一个句子,每个单词都是一个向量,要判断并输出每个单词的词性,我们肯定要考虑到每个词与这个文本序列中其他词的相关性。以上图为例,a^1 - a^4 是四个词向量,自注意力机制的总体流程就是,首先计算出第i个词与第j个词的相关性α(i,j),再根据相关性的大小,计算出最后第i个向量对应的输出b^i 。如a^1 对应输出b^1。具体做法以a^1的计算过程为例:1.计算出q1q
2021-05-19 15:23:40 450
原创 记录用anaconda安装pytorch cpu版本
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、pandas是什么?二、使用步骤1.创建虚拟环境2.激活虚拟环境3.激活虚拟环境总结前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。二、
2021-04-02 16:49:50 477 1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人