精华内容
下载资源
问答
  • 构建一个简单的基于 知识图谱 的对话系统。 核心目标是从全局对项目的运行过程进行介绍和讲解;能够跑通整个项目。 运行环境 python3.0及以上 neo4j 3.5.0及以上 jdk 1.8.0 构建知识图谱 运行以下命令: python...

    目录

    引言

    • 该项目主要分为两部分:
      • 第一部分:搭建知识图谱。
      • 第二部分:启动问答测试。构建一个简单的基于 知识图谱 的对话系统。
    • 核心目标是从全局对项目的运行过程进行介绍和讲解;能够跑通整个项目。

    运行环境

    • python3.0及以上
    • neo4j 3.5.0及以上
    • jdk 1.8.0

    构建知识图谱

    运行以下命令:

    python build_graph.py
    

    启动问答测试

    运行以下命令:

    python kbqa_test.py
    

    代码目录介绍

    • data:存放数据
    • img:存放readme里的图片
    • model:存放训练好的tfidf模型和意图识别模型
    • build_graph.py:构建图
    • entity_extractor.py:抽取问句中的实体和识别意图
    • search_answer.py:根据不同的实体和意图构造cypher查询语句,查询图数据库并返回答案

    运行示意图后面再进行补充~

    展开全文
  • 清华大学人工智能研究院院长张钹院士2020年发表署名文章,首次全面阐述第三代人工智能的理念,提出第三代人工智能的发展路径是融合第一代的知识驱动和第二代的数据驱动的人工智能。基于知识图谱的推...

    清华大学人工智能研究院院长张钹院士2020年发表署名文章,首次全面阐述第三代人工智能的理念,提出第三代人工智能的发展路径是融合第一代的知识驱动和第二代的数据驱动的人工智能。基于知识图谱的推理,恰恰体现了第三代人工智能的特点。

    知识图谱可以说是整个AI的未来,是实现人工智能从“感知”跃升到“认知”的基础。近年来,作为实现认知智能的核心驱动力,已广泛应用在金融、电商、医疗、政务等诸多领域。

    (来源:艾瑞咨询)

    但知识图谱是一项庞大而复杂的工程,涉及知识工程、自然语言处理、数据库、机器学习等多个学科的知识。

    很多初学者受限于知识图谱庞大的知识面,在众多的知识点中很难理清知识体系,往往无从着手学习;

    并且其技术栈较长,掌握知识图谱整个知识框架需要很长时间;

    同时,遇到问题时如果得不到及时解答,会逐渐失去热情直至放弃。

    基于此,深蓝学院教研团队推出『知识图谱理论与实践』线上课程。课程详细讲解知识图谱各个生命周期的主流方法,让大家系统学习整个知识图谱框架体系、落地方法、应用场景,并最终完成问答系统的实践项目,帮助大家高效入门知识图谱。

    科学系统的学习内容

    (点击查看大图)

    实践项目

    课程细致讲解理论的同时,结合知识图谱各个阶段的核心技术通过实践项目,帮助大家对知识图谱有更广泛的认识。

    (点击查看大图)

    受疫情影响,基于以往6期线下课程,迭代本期精品线上课程

    第六期集训(北京场)班级同学合影

    (第一、二期线下课程老师答疑环节)

    学完课程可以收获

    理论上

    1、掌握以知识图谱为代表的知识工程的基本问题和基本方法;

    2、系统性的掌握知识图谱生命周期各阶段核心技术原理。

    实践上

    1、具备编程实现知识图谱各阶段经典算法 ;

    2、学会使用经典的知识图谱相关软件;

    3、 掌握知识图谱案例研发脉络,能简单实现基于知识图谱的问答系统。

    还可以收获

    1. 优质的学习圈子

    伙伴们大多是来自985、211及海外院校硕博,在这里大家一起学习、进行讨论与研究。独一无二的优质圈子将是你未来学习与就业的宝贵资源。

    (本期已报名学员学校展示)

    2. 企业认可的证书

    学完课程后将有机会收获优秀学员证书、毕业证书,为你的简历加分添彩。

    精益求精的课程服务

    1. 三师助力

    讲师&助教及时答疑解惑,班主任全程带班督学,帮你克服拖延,不断进步。

    2. 定期班会

    助教会对作业进行1V1讲评和指导;在班会中,学习更多技巧;在交流中收获更多思路。


    抢占优惠名额

    现在报名,立即优惠200元

    最后24个大额优惠名额

    备注“ 19 ”,优先通过哦~

    添加客服『叶子』

    咨询更多

    展开全文
  • 从无到有搭建一个医疗领域知识图谱(知识图谱规模较小),并基于知识图谱搭建问答系统实现自动问题解析和回答。 本文参考:https://github.com/zhihao-chen/QASystemOnMedicalKG 项目效果 以下两张图是系统实际运行...

    QASystemOnMedicalGraph

    该项目是基于医疗领域知识图谱的问答系统。实现比较简单。

    从无到有搭建一个医疗领域知识图谱(知识图谱规模较小),并基于此知识图谱搭建问答系统实现自动问题解析和回答。

    本文参考:https://github.com/zhihao-chen/QASystemOnMedicalKG

    项目效果

    以下两张图是系统实际运行效果: 系统运行效果图

    项目运行方式

    运行环境:Python3 数据库:neo4j 预训练词向量:https://github.com/Embedding/Chinese-Word-Vectors或https://pan.baidu.com/s/14JP1gD7hcmsWdSpTvA3vKA

    1、搭建知识图谱:python build_grapy.py。大概几个小时,耐心等待。 2、启动问答测试:python kbqa_test.py

    医疗知识图谱

    数据源:39健康网。包括15项信息,其中7类实体,约3.7万实体,21万实体关系。

    本系统的知识图谱结构如下:

    在这里插入图片描述

    1.1 知识图谱实体类型

    | 实体类型 | 中文含义 | 实体数量 | 举例 |

    Disease疾病14336乙肝,癫痫
    Alias别名8877小儿褐黄病综合征,广疮
    Symptom症状5622手足烦热,四肢麻木
    Part发病部位82手部,上肢
    Department所属科室82感染科,外科
    Complication并发症3201落枕,流感
    Drug药品4625西黄胶囊,司帕沙星
    Total总计36825

    1.2 知识图谱实体关系类型

    实体关系类型中文含义关系数量举例
    ALIAS_IS别名是52578癫痫 别名是 羊角风
    HAS_SYMPTOM症状有62105乙肝 症状有 肝功能异常
    PART_IS发病部位是26660乙肝 发病部位是 肝
    DEPARTMENT_IS所属科室是33867乙肝 所属科室是 传染科
    HAS_COMPLICATION并发症有25183乙肝 并发症有 肝硬化
    HAS_DRUG可用药品35914乙肝 可用药品 恩替卡韦分散片
    TOTAL总计210018约210018对关系

    1.3 知识图谱疾病属性

    疾病属性中文含义举例
    age发病人群老人,小孩
    insurance是否医保医保
    infection是否传染有传染性
    checklist检查项目肝功能检查
    treatment治疗方法药物治疗、心理治疗
    period治愈周期一周
    rate治愈率0.1%
    money费用1000-2000元

    问题意图识别

    基于特征词分类的方法来识别用户查询意图

    意图类型中文含义举例
    query_disease查询疾病肝肿大是什么病
    query_symptom查询症状慢性乙肝有什么表现
    query_cureway查询治疗方案肚子一直痛怎么办
    query_checklist查询检查项目乙肝需要做哪些检查
    query_department查询所属科室乙肝去哪个科
    query_rate查询治愈率乙肝能治好吗
    query_period查询治愈周期乙肝多久能治好
    disease_describe查询疾病所以属性慢性咽炎

    总结

    1、本项目构建简单,通过本项目能了解KBQA的工作流程。
    2、本次通过手工标记210条意图分类训练数据,并采用朴素贝叶斯算法训练得到意图分类模型。其最佳测试效果的F1值达到了96.68%。选用NB的原因是通过与SVM训练效果比较后决定的。
    3、不足之处:

    • 训练数据还是太少,且对问题进行标注时易受主观意见影响。意图类别还是太少,本系统得到分类模型只能预测出上面设定的7类意图。(修改于2019.02.26)
    • 对于问题句子中有多个意图的情况只能预测出一类,今后有时间再训练多标签模型吧。(最近在写论文,没时间)。
    • 知识图谱太小了,对于许多问题都检索不出答案。今后可以爬取其它的健康网站数据或者利用命名实体识别和关系抽取技术从医学文献中抽取出实体与关系,以此来扩充知识图谱。
    • 在本项目中采用了预训练的词向量来找近似词。由于该词向量特别大,加载非常耗时,因此影响了整个系统的效率。这个可能是因为电脑配置太低的原因吧。
    • 没有实现推理的功能,后续将采用多轮对话的方式来理解用户的查询意图。同时将对检索出的结果进行排序,可靠度高的排在前面。

    希望各位不吝赐教,任何建议请联系我。 邮箱:andrew_czh@163.com

    展开全文
  • 基于医疗知识图谱问答系统操作介绍 目录 目录 一、引言 二、运行环境 三、搭建知识图谱 四、启动问答测试 参考资料 一、引言 该项目主要分为两部分: 第一部分:搭建知识图谱。 第二部分:启动问答测试。构建...

    基于医疗知识图谱的问答系统操作介绍

    目录

    一、引言

    • 该项目主要分为两部分:
      • 第一部分:搭建知识图谱。
      • 第二部分:启动问答测试。构建一个简单的基于 知识图谱 的对话系统.

    二、运行环境

    • python3.0及以上
    • neo4j 3.5.0及以上
    • jdk 1.8.0

    三、搭建知识图谱

    运行该过程,请确保已经安装好 neo4j 和 jdk

    运行 以下命令:

        python build_graph.py 
    

    注:由于数据量比较大,所以该过程需要运行几个小时

    运行介绍之后,打开浏览器进入网址:http://localhost:7474/browser/,可以看到我们导入的数据的知识图谱,如下:

    在这里插入图片描述

    四、启动问答测试

    运行 以下命令:

        python kbqa_test.py
    

    运行结果如下图所示:

    在这里插入图片描述

    五、代码目录介绍

    • data:存放数据
    • img:存放readme里的图片
    • model:存放训练好的tfidf模型和意图识别模型
    • build_graph.py:构建图
    • entity_extractor.py:抽取问句中的实体和识别意图
    • search_answer.py:根据不同的实体和意图构造cypher查询语句,查询图数据库并返回答案

    参考资料

    1. QASystemOnMedicalGraph
    展开全文
  • 从无到有搭建一个医疗领域知识图谱(知识图谱规模较小),并基于知识图谱搭建问答系统实现自动问题解析和回答。
  • Python+Neo4j医药知识图谱自动问答系统源码,知识图谱构建,自动问答,基于kg的自动问答。以疾病为中心的一定规模医药领域知识图谱,并以该知识图谱完成自动问答与分析服务。
  • 基于neo4j的简易医疗问答知识图谱,数据从ask120中爬取得到
  • 一个基于Python模块REfO实现的知识库问答初级系统. 该问答系统可以解析输入的自然语言问句生成 SPARQL 查询,进一步请求后台基于TDB知识库的Apache Jena Fuseki 服务, 进而得到问题的结果。
  • 基于知识图谱的推理,恰恰体现了第三代人工智能的特点。 知识图谱可以说是整个AI的未来,是实现人工智能从“感知”跃升到“认知”的基础。近年来,作为实现认知智能的核心驱动力,已广泛应用在金融、电商、医疗、...
  • 基于医疗知识图谱问答系统源码详解

    万次阅读 多人点赞 2019-05-06 16:19:55
    项目还是找的中科院软件所刘焕勇老师在github上的开源项目,基于知识图谱的医药领域问答项目QABasedOnMedicaKnowledgeGraph。 该项目立足医药领域,以垂直型医药网站为数据来源,以疾病为核心,构建起一个包含7类...
  • 该项目基于医疗信息,利用neo4j构建知识图谱,最后根据刘焕勇老师的开源项目(https://github.com/liuhuanyong/QASystemOnMedicalKG)搭建问答系统
  • 基于医疗知识图谱问答系统 - 操作介绍 文章编写人:芙蕖 特别鸣谢:QASystemOnMedicalGraph - Github 一、引言 该项目主要分为两部分: 第一部分:搭建知识图谱。该部分的具体讲解将在 Datawhale 知识图谱...
  • 知识图谱问答系统、语义搜索等领域得到了越来越多的应用,是目前人工智能领域的热点研究问题。笔者近期对中国科学院软件研究所刘焕勇老师的项目QABasedOnMedicaKnowledgeGraph(github链接:...
  • 基于知识图谱医疗领域问答系统【QASystemOnMedicalKG】 1 代码来源 本代码来源于github项目地址,主要是构建以疾病为中心的具有一定规模的医药领域知识图谱,并以该知识图谱完成自动问答与分析服务。其中知识...
  • 基于知识图谱的智能问答系统

    千次阅读 2020-05-31 12:47:52
    公众号关注“ML_NLP” 设为 “星标”,重磅干货,第一时间送达! 来自 |知乎 ...编辑 |机器学习算法与...由于本实验室目前正在使用知识图谱搭建问答系统,故而这里将使用知识图谱的方式构建该智能问答系统。这里...
  • 医疗知识图谱问答系统探究(一)

    千次阅读 2019-08-05 16:03:27
    果然,功夫不负有心人,找到了中科院软件所刘焕勇老师在github上的开源项目,基于知识图谱的医药领域问答项目QABasedOnMedicaKnowledgeGraph。 项目地址:https://github.com/liuhuanyong/QASystemOnMedicalKG 用...
  • 清华大学人工智能研究院院长张钹院士2020年发表署名文章,首次全面阐述第三代人工智能的理念,提出第三代人工智能的发展路径是融合第一代的知识驱动和第二代的数据驱动的人工智能。基于知识图谱的推...
  • 基于医疗知识图谱问答系统介绍 1.1、引言 该项目主要分为两部分: 第一部分:搭建知识图谱。 第二部分:启动问答测试。 1.2、运行环境 python3.0及以上 neo4j 3.5.0及以上 jdk 1.8.0 1.3、搭建知识图谱 ...
  • 该项目是基于医疗领域知识图谱问答系统
  • 基于医疗知识图谱问答系统”代码解析(三) question_parser.py —问题分析代码解析 “基于医疗知识图谱问答系统”代码解析(一) “基于医疗知识图谱问答系统”代码解析(二) #!/usr/bin/env python3 # ...
  • 基于知识图谱的智能问答机器人 QQ技术交流群: 344673972 点击链接加入群聊【智能对话机器人交流群】: 课程内容: 1.智能问答机器人完整案例演示 2.智能问答机器人开发环境部署 3.智能问答机器人框架关键技术 4....
  • 最终能独立实现一个基于知识图谱问答系统 。 第一期和第二期集训地点分别设在北京、上海,目前均已经顺利收官! 报名的学员里有来自华为、航旅纵横等企业人员以及来自中科院、国防科大、中国人民大学、北航、中南...
  • 肝病质量保证体系 基于neo4j知识图谱和规则匹配的肝病问答系统项目介绍详见:基于医疗知识图谱问答系统源码详解和基于医疗知识图谱的问答实践中遇到的问题
  • 原标题:如何搭建一个基于知识图谱问答系统(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,...
  • 通过知识图谱我们可以构建一个简单的医疗问答系统。在问答过程中可以方便的检索问题。GitHub:https://github.com/cshmzin/zstp-project/tree/main/%E5%8C%BB%E7%96%97%E6%9C%BA%E5%99%A8%E4%BA%BA 实验环境 ...
  • 医药领域知识图谱问答系统的搭建是参考中科院软件所刘焕勇老师在github上的开源项目,项目地址:https://github.com/liuhuanyong/QASystemOnMedicalKG ,感谢刘老师,这个项目是我能找到的最好最全最易上手的KBQA...
  • 【在校整理-10 基于知识图谱医疗智能问答小程序实现示例】(注:仅供参考学习使用)一、课题内容和要求1、问题描述2、功能要求二、需求分析三、概要设计四、源程序代码五、测试总结六、其他 一、课题内容和要求 1...
  • 基于知识医疗图谱的问答系统”代码解析(一) build_medicalgraph.py —建立医疗知识图谱的代码解析 这是我对刘老师所写“基于知识医疗图谱的问答系统”代码的解读。 # 预备知识#!/usr/bin/env python3 # coding: ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,715
精华内容 686
关键字:

基于知识图谱的医疗问答系统