DeqianBai / KBQA-studyLinks
基于医疗知识图谱的问答系统
☆104Updated 3 years ago
Alternatives and similar repositories for KBQA-study
Users that are interested in KBQA-study are comparing it to the libraries listed below
Sorting:
- 基于中医药领域知识图谱的智能问答系统☆30Updated 2 years ago
- NER and RE in medical insurance。用于医疗领域的知识图谱构建,通过DL中的相关算法,实现领域实体的命名实体识别和关系抽取。☆63Updated 5 years ago
- 基于知识图谱的问答系统☆136Updated 5 years ago
- 一个基于Django,Neo4j与图谱问答技术的的中医药知识图谱与智能问答平台。(暂取名“泽兰抄”)☆90Updated last year
- 基于知识图谱和相似度匹配的肝病智能问答系统☆36Updated 5 years ago
- 基于知识图谱的医疗问答系统和前端展示demo☆36Updated 11 months ago
- 基于知识图谱的疾病知识问答系统☆29Updated 4 years ago
- 知识图谱三元组抽取(实体-关系-实体,实体-属性-属性值)☆106Updated 3 years ago
- 医药知识图谱自动问答系统实现,包括构建知识图谱、基于知识图谱的流水线问答以及前端实现。实体识别(基于词典+BERT_CRF)、实体链接(Sentence-BERT做匹配)、意图识别(基于提问词+领域词词典)。☆308Updated 3 years ago
- 基于openkg开源数据代建知识图谱,并实现查询可视化☆22Updated 5 years ago
- 医疗知识图谱构建实战,通过爬虫获取百度百科数据,使用Mongodb存储结构化三元组,并使用neo4j进行知识图谱的构建及可视化; Medical Knowledge Graph; Crawler; neo4j☆80Updated last year
- 基于neo4j肝病知识图谱的问答系统☆377Updated 6 years ago
- 毕业设计(医疗问答系统)☆26Updated 3 years ago
- 这是2022年生医杯中文电子病历命名实体识别与关系抽取的项目☆27Updated 2 years ago
- 知识图谱 neo4j 答案查找 + 机器学习 分类模型 问题分析 = 电影知识库问答机器人☆89Updated last year
- 构建一个医疗领域知识图谱和一个基于Flask的简易网页聊天机器人,通过ner获取用户问题的实体并在知识图谱内提取答案。☆11Updated 2 years ago
- A tutorial and implement of disease centered Medical knowledge graph and qa system based on it。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…☆70Updated 6 years ago
- 基于民航业知识图谱的自动问答系统☆96Updated 2 years ago
- 电影知识图谱,主要包括实体识别、实体查询、关系查询以及智能问答等。movie knowledge graph(Entity identification, graph display, and intelligent question and answer)☆133Updated 2 years ago
- 基于知识图谱的医疗诊断知识问答系统☆18Updated 3 years ago
- CHIP 2020 中文医学文本实体关系抽取☆91Updated 2 years ago
- 实体关系抽取pipline方式,使用了BiLSTM+CRF+BERT☆149Updated 11 months ago
- 基于BIO模式的序列标注工具-可用于命名实体识别、事件触发词识别等任务的数据标注☆72Updated 4 years ago
- 基于pytorch的中文三元组提取(命名实体识别+关系抽取)☆349Updated 2 years ago
- 知识图谱初探,关系抽取,实体抽取,基于kb的问答,基于es的问答,知识图谱可视化☆60Updated 5 years ago
- Using BERT+Bi-LSTM+CRF☆139Updated 3 years ago
- 基于知识图谱的问答系统设计与实现,附带一个可视化的demo☆123Updated last year
- 实体关系抽取,使用了百度比赛的数据集。使用pytorch实现MultiHeadJointEntityRelationExtraction,包含Bert、Albert、gru的使用,并且添加了对抗训练。最后使用Flask和Neo4j图数据库对模型进行了部署☆121Updated 2 years ago
- 基于知识图谱的医疗问答系统☆17Updated last year
- CCKS 2020:新冠知识图谱构建与问答评测(四)新冠知识图谱问答评测☆217Updated 4 years ago