您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. nlpcc 2018 知识图谱 数据集

  2. Task 7 - Open Domain Question Answering In this year’s NLPCC open domain QA share task, we focus on KNOWLEDGE and propose three sub-tasks, including (a) knowledge-based question answering (KBQA), (b) knowledge-based question generation (KBQG), and (
  3. 所属分类:深度学习

    • 发布日期:2018-03-28
    • 文件大小:727711744
    • 提供者:guotong1988
  1. 基于知识图谱的问答系统

  2. Question answering (QA) has become a popular way for humans to access billion-scale knowledge bases. Unlike web search, QA over a knowledge base gives out accurate and concise results, provided that natural language questions can be understood and m
  3. 所属分类:搜索引擎

    • 发布日期:2018-04-26
    • 文件大小:737280
    • 提供者:qq_40658408
  1. 基于RDF和SPARQL的KBQA实现代码(知识图谱问答系统)

  2. 该KBQA系统可以解析输入的自然语言问句,主要运用REFO库的"对象正则表达式"匹配得到结果, 进而生成对应 SPARQL 查询语句,再通过API请求后台基于TDB知识图谱数据库的 Apache Jena Fuseki 服务, 得到结果。原理及用法:https://www.cnblogs.com/whiterock/p/9522821.html
  3. 所属分类:机器学习

    • 发布日期:2018-08-23
    • 文件大小:48234496
    • 提供者:starbaby01
  1. WebQuestions 数据集

  2. main/ has the dataset splits as distributed. d-dump/ has question dumps from YodaQA. d-freebase/ has mappings from question to single Freebase key, as distributed with the original WebQuestions dataset. d-freebase-mids/ has Freebase mids for each co
  3. 所属分类:深度学习

    • 发布日期:2018-03-02
    • 文件大小:2097152
    • 提供者:guotong1988
  1. webQuestions数据集

  2. webQuestions数据集,基于知识图谱的问答系统标准数据集。
  3. 所属分类:机器学习

    • 发布日期:2018-10-30
    • 文件大小:166912
    • 提供者:weixin_38358881
  1. KBQA: Learning Question Answering over QA Corpora and Knowledge Bases.pdf

  2. More and More Knowledge bases are created • Google Knowledge graph, Yago,WordNet, FreeBase, Probase, NELL, CYC, DBPedia • Large scale, clean data
  3. 所属分类:深度学习

    • 发布日期:2019-06-11
    • 文件大小:1048576
    • 提供者:qq_31367595
  1. Spring-boot框架连结Neo4j搭建课程知识图谱,实现课程的KBQA问答系统以及相关课程信息的查询和D3.JS可视化

  2. 通过Spring-boot框架连结Neo4j搭建课程知识图谱,实现课程的KBQA问答系统以及相关课程信息的查询和D3.JS可视化 附有实现源码、Neo4j库和mysql库文件即相应训练的数据集和词汇表
  3. 所属分类:Java

    • 发布日期:2019-07-19
    • 文件大小:17825792
    • 提供者:qsq1017314232
  1. Python-从无到有构建一个电影知识图谱并基于该KG开发一个简易的KBQA程序

  2. 从无到有构建一个电影知识图谱,并基于该KG,开发一个简易的KBQA程序。
  3. 所属分类:其它

    • 发布日期:2019-08-11
    • 文件大小:1048576
    • 提供者:weixin_39840924
  1. Spring-boot框架连结Neo4j搭建课程知识图谱.rar

  2. 通过Spring-boot框架连结Neo4j搭建课程知识图谱,实现课程的KBQA问答系统以及相关课程信息的查询和D3.JS可视化 附有实现源码、Neo4j库和mysql库文件即相应训练的数据集和词汇表
  3. 所属分类:Java

    • 发布日期:2019-08-21
    • 文件大小:15728640
    • 提供者:weixin_39150677
  1. KBQA方案.docx

  2. 阅读论文总结出的KBQA方案,有4部分组成:实体抽取部分,对话状态机DST部分,对话生成部分,中控部分。详细阐述了各个模块的思路以及算法流程,以供参考。
  3. 所属分类:Web服务器

    • 发布日期:2020-05-26
    • 文件大小:199680
    • 提供者:wy19881022
  1. 知识图谱 KBQA Demo:fuseki sparql python 版本问题详细解决方案

  2. 刚入坑知识图谱,看了一位大神的教程,但是由于 jena、fuseki、python 等版本不同,踩了不少坑,特此记录一下 本文不做具体知识的讲解(具体知识可移步 https://zhuanlan.zhihu.com/knowledgegraph),仅罗列实践过程中遇到的坑及解决方案 以下内容大多从教程下面几百条评论中提炼总结而来 环境版本 jena 3.14.0 fuseki 3.14.0 jdk 1.8.0_201 python 3.7.6 anaconda 4.8.2 具体问题及解决方案 1
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:188416
    • 提供者:weixin_38702844
  1. KBQA-BERT:基于知识图谱的QA系统,BERT模型-源码

  2. KBQA-BERT 基于知识图谱的QA系统,BERT模型需要下载BERT预训练模型(中文)chinese_L-12_H-768_A-12 解压缩后放在./ModelParams文件夹里面(注意整个chinese_L-12_H-768_A-12文件夹放进去) 另外需要在根目录建立输出文件夹存放训练的模型参数文件分为输出/ NER(命名实体识别)文件夹和输出/ SIM(相似度)文件夹 1.run_ner.sh训练(命名实体识别) 2.terminal_ner.sh(命名实体识别测试) 3.arg
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:5242880
    • 提供者:weixin_42107165
  1. KBQA-BERT-CRF:基于知识图谱的问答系统-源码

  2. KBQA-BERT 基于知识图谱的问答系统,BERT做命名实体识别和句子相似度 介绍 本项目主要由两个重要的点组成,一是基于BERT的命名实体识别,二是基于BERT的句子相似度计算,本项目将这两个模块进行融合,构建基于BERT的KBQA问答系统。详细介绍,请看我的博客: : 环境配置 Python版本为3.6 pytorch版本为1.1.0 windows10 数据在Data中,更多的数据在[**NLPCC2016**](http://tcci.ccf.org.cn/conference/2
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:13631488
    • 提供者:weixin_42168341
  1. A-Simple-KBQA:一个简单的基于知识图谱的问答系统-源码

  2. 一个简单的KBQA 一个简单的基于知识图谱的问答系统 数据集:数据集为2019年语言智能大赛的关系撤除数据集 实体识别模型:利用Transformer模型进行实体识别(以后会变更为bert) 事实识别:自己构造了几十条数据,利用逻辑回归进行预测 关系类型:包含'主演','作者','歌手','出生日期','导演','出生地','出版社','成立日期','连载网站','国籍','毕业院校”,“民族”,“所属专辑”,“目”,“作曲”等15中关系类型 实体类型:包含'影视作品','书籍','歌曲','人
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:133120
    • 提供者:weixin_42122986
  1. KBQA-BERT:基于知识图谱的问答系统,BERT做命名实体识别和句子相似度,分为在线和大纲模式-源码

  2. KBQA-BERT 基于知识图谱的问答系统,BERT做命名实体识别和句子相似度,分为在线和大纲模式 介绍 本项目主要由两个重要的点组成,一是基于BERT的命名实体识别,二是基于BERT的句子相似度计算,本项目将这两个模块进行融合,并基于BERT的KBQA问答系统,在命名实体识别上分为在线预测和轮廓预测;在句子相似度上,也分为在线预测和轮廓预测,2个模块互不干扰,做到了高内聚低掺杂的效果,最后的kbqa相当于融合这2个模块进行概述,具体介绍请见! -------------------------
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:1048576
    • 提供者:weixin_42099116
  1. gAnswer:基于DBpedia的KBQA系统-源码

  2. 传感器系统 GAnswer系统是由邹雷教授领导的北京大学计算机科学与技术数据管理实验室开发的一种自然语言质量保证系统。 GAnswer能够将自然语言问题转换为包含语义信息的查询图。 然后,系统可以进一步将查询图转换为标准SPARQL查询,该查询将在图数据库中执行,以便为用户提供答案。 我们为语义歧义应用了创新的数据驱动方法。 详细地,在生成查询图时,我们为实体和谓词映射维护多个计划,并根据实体和谓词匹配(不正确的映射)在查询执行短语中进行语义歧义消除。 这是TKDE 2018论文的实现 **有
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:3145728
    • 提供者:weixin_42098759
  1. Agriculture-KBQA:基于知识图谱的农业智能问答系统,正在持续完善-源码

  2. 农业-KBQA 项目介绍: 该项目是基于知识图谱的农业智能问答系统,从0到1的去搭建一个以农场品为中心的知识图谱,面向的用户群体是:农民和普通民众。 项目目的: 对农民而言让他了解某些农场品的种植方式,基本属性,种植成本,经济效益等等。 对普通群众而言让他了解这些农产品的作用(健康方面),以及各种植物之间的关系推动科普的作用。 项目结果展示: 操作说明 图谱展示 对话展示部分 项目结构: . ├── hudongbaike // scrapy爬虫项目路径 │   └── hudongb
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:12582912
    • 提供者:weixin_42133452
  1. QA调查:北航大数据高精尖中心研究张日崇团队对问答系统的研究。包括知识图谱问答系统(KBQA)和文本问答系统(TextQA),每类系统分别对学术界和工业界进行研究-源码

  2. QA调查:北航大数据高精尖中心研究张日崇团队对问答系统的研究。包括知识图谱问答系统(KBQA)和文本问答系统(TextQA),每类系统分别对学术界和工业界进行研究
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:22020096
    • 提供者:weixin_42099814
  1. COVID19-KBQA-DEMO:COVID-2019中文知识问答系统-源码

  2. COVID19-KBQA-DEMO COVID-2019中文知识问答系统(SIMPLE DEMO) 将OpenKG数据转换为RDF导入Jena后采用SPARQL查询,QA采用refo模板。 这是一个简单的Demo,功能并不完善,需要增加更多的模板。 COVID19 环境 Python 3.6+ 阿帕奇(Jena Fuseki) SPARQLWrapper 翻新 界坝 数据来源 (转换后的RDF数据已上传至本仓库,数据使用说明移步 ) 参考
  3. 所属分类:其它

    • 发布日期:2021-01-29
    • 文件大小:32505856
    • 提供者:weixin_42137539
  1. Multilingual-KBQA-Dataset-源码

  2. 多语言KBQA数据集
  3. 所属分类:其它

    • 发布日期:2021-03-31
    • 文件大小:969728
    • 提供者:weixin_42097189
« 12 »