Nieson / QASystemLinks
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。
☆33Updated 5 years ago
Alternatives and similar repositories for QASystem
Users that are interested in QASystem are comparing it to the libraries listed below
Sorting:
- 面向医疗领域的知识图谱构建☆24Updated 2 years ago
- 基于BiLSTM-CRF网络的中文电子病历命名实体识别☆35Updated 6 years ago
- 医疗保险领域知识图谱☆131Updated 7 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
- 医疗图谱，Python前期数据抓取与处理，后期配合neo4j实现图谱构造与实体搜索。☆55Updated 6 years ago
- 本项目是针对医疗数据，进行命名实体识别。项目中有600份标注好的电子病历文本，共需识别含解剖部位、独立症状、症状描述、手术和药物五类实体。该领域的命名实体识别问题是自然语言处理中经典的序列标注问题。☆151Updated 5 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
- 大创项目：中医药知识图谱构建☆107Updated 4 years ago
- 天池瑞金医院MMC人工智能辅助构建知识图谱大赛初赛，糖尿病相关医疗命名实体识别，基于pycrfsuite实现。We provide a solution for preliminary contest of Tianchi Ruijin Hospital MMC Artif…☆73Updated 6 years ago
- 基于知识图谱的党史可视化平台☆22Updated 6 years ago
- 手工整理医疗行业词汇、术语等语料。可用于语音识别、对话系统等各类nlp模型训练。☆117Updated 5 years ago
- 中文医学知识图谱命名实体识别，包括bi-LSTM+CRF，transformer+CRF等模型☆245Updated 5 years ago
- CCKS2019 面向中文电子病历的命名实体识别☆33Updated 5 years ago
- 金融知识图谱构建☆139Updated 6 years ago
- self summary after attending 2018全国知识图谱与语义计算大会，China Conference on Knowledge Graph and Semantic Computing☆243Updated 6 years ago
- 面向中文电子病历的命名实体识别☆183Updated 5 years ago
- 本项目源自中科院软件所刘焕勇老师的开源项目（QABasedOnMedicaKnowledgeGraph）. 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类规模为4.4万的知识实体，11类规模约30万实体关系的知识图谱.☆36Updated 4 years ago
- 基于知识图谱的中文旅游领域知识服务平台构建 - 从旅游知识库到旅游知识服务平台☆25Updated 5 years ago
- 基于医疗知识图谱的问答系统☆104Updated 3 years ago
- 中文电子病历命名实体识别☆59Updated 5 years ago
- 将bert模型应用到问答系统中来，一者学习知识图谱的基本操作，二简单搭建问答系统的基本框架，三将词向量、bert模型实践应用☆59Updated 5 years ago
- 基于知识图谱的问答系统☆72Updated 6 years ago
- A Patient Disease Drug Graph. 一个权威的医疗 RDF 数据集, 关于医疗知识图谱。☆74Updated 6 years ago
- 汽车知识图谱☆78Updated 4 years ago
- 基于知识图谱的电影智能问答。neo4j构建电影图谱，spark ml完成问答意图分类，将问答语句转为cypher查询语句完成匹配查询。☆39Updated 2 years ago
- 发现新词 无监督词库生成 医学词库生成 发现未登录词☆78Updated 4 years ago
- 农业领域知识图谱的构建，包括数据爬取(百度百科)、数据分类、利用结构化数据生成三元组、非结构化数据的分句(LTP)，分词(jieba)，命名实体识别(LTP)、基于依存句法分析(主谓关系等)的关系抽取和利用neo4j生成可视化知识图谱☆249Updated 5 years ago
- NER(ccks2019中文电子病历迁移学习)☆39Updated 5 years ago
- 电子病历实体命名识别☆36Updated 6 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