LiuYuhanMIO / QA
基于故障诊断知识图谱的问答系统
☆20Updated 2 years ago
Related projects ⓘ
Alternatives and complementary repositories for QA
- 使用知识图谱,自然语言处理,卷积神经网络等技术,基于python语言,设计了一个数控领域故障诊断专家系统☆280Updated last year
- R-GCN知识图谱推理☆22Updated last week
- 使用bert进行关系三元组抽取。☆136Updated 7 months ago
- 使用Bert+CRF、Bert+BiLSTM+CRF、Bert+BiGRU+CRF、Bert+BiGRU+self-atttention+CRF、AlBert+CRF、AlBert+BiLSTM+CRF、AlBert+BiGRU+CRF、AlBert+BiGRU+self-…☆45Updated 4 years ago
- 自然语言处理的基础知识,术语抽取与关键词提取、知识图谱与图嵌入、检索与推荐等☆41Updated 2 years ago
- Chinese entity relation extraction☆18Updated 6 months ago
- 基于知识图谱的疾病知识问答系统☆25Updated 4 years ago
- 实体关系联合抽取模型/ My project on joint exraction of entities and relations☆20Updated 2 years ago
- 基于工业数据和知识图谱联合驱动的工业故障诊断框架,论文代码Root-KGI: a Novel Framework for Root Cause Diagnosis Based on Knowledge Graph and Industrial Data☆14Updated 4 months ago
- 中文信息抽取,包含实体抽取、关系抽取、事件抽取☆227Updated last year
- 知识图谱三元组抽取(实体-关系-实体,实体-属性-属性值)☆103Updated 3 years ago
- 利用BERT+BILSTM/DGCNN+ATTENTION+CRF 解决中文NER任务☆33Updated 2 years ago
- 实体关系抽取pipline方式,使用了BiLSTM+CRF+BERT☆122Updated 5 months ago
- 基于突发事件本体模型和知识图谱的构建☆20Updated 3 years ago
- 利用python语言借助于知识图谱搭建电影知识问答系统☆39Updated 2 years ago
- 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☆116Updated last year
- 基于pytorch的中文三元组提取(命名实体识别+关系抽取)☆333Updated last year
- CasRelPytorch项目的改写版本,根据源码增添了模型预测功能以及预测结果导入neo4j图数据库的功能。☆11Updated 3 months ago
- 本项目旨在结合知识图谱技术和先进的大语言模型,构建一个能够深入理解用户问题并提供准确、有逻辑性回答的智能问答系统。☆49Updated 6 months ago
- ☆115Updated last week
- 关系抽取 calrel pytorch☆38Updated 2 years ago
- 基于深度学习与Neo4j的军事装备知识图谱网页应用构建。本项目是一个军事武器知识图谱网页应用软件原型系统。该系统由数据爬虫、数据管理、数据处理、知识问答、新闻热点、词条查询和图谱展示七个功能模块组成。系统从互联网上爬取数据,并基于百度文心ERNIE 3.0模型对数据进行实体…☆101Updated last year
- 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。☆61Updated 4 years ago
- 基于word2vec预训练词向量; textCNN 模型 ;charCNN 模型 ;Bi-LSTM模型;Bi-LSTM + Attention 模型 ;Transformer 模型 ;ELMo 预训练模型 ;BERT 预训练模型的文本分类项目☆115Updated 4 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)。☆270Updated 2 years ago
- 毕业设计:基于Bert_Position_BiLSTM_Attention_CRF_LSTMDecoder的法律文书要素识别☆52Updated 3 years ago
- 有关多任务学习的基于知识图谱的推荐系统和图谱补全(嵌入)联合训练的几篇论文复现☆44Updated 3 years ago
- 利用指针网络进行信息抽取,包含命名实体识别、关系抽取、事件抽取。☆119Updated last year
- 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☆103Updated last year