btyu / R3K_KBQALinks
一个基于模板的三国演义KBQA系统,能够简单的回答给定模板的问题。本项目完成了从建立知识库、处理数据生成三元组到搭建问答系统(命令行和图形化)的一系列过程。此外,KBQA系统还具有一定的异常处理的功能设计。
☆13Updated 5 years ago
Alternatives and similar repositories for R3K_KBQA
Users that are interested in R3K_KBQA are comparing it to the libraries listed below
Sorting:
- 基于知识库的问答系统。其中使用带注意力机制的对抗迁移学习做中文命名实体识别,使用BERT模型做句子相似度分析。☆37Updated 6 years ago
- 基于知识图谱的中文问答系统(EA-CKGQA)☆37Updated 5 years ago
- 实体链接demo☆65Updated 6 years ago
- bert实现中文关系抽取☆17Updated last year
- 本项目是NLP领域一些任务的基准模型实现,包括文本分类、命名实体识别、实体关系抽取、NL2SQL、CKBQA以及BERT的各种下游任务应用。☆47Updated 4 years ago
- 事件知识图谱构建相关的论文, 包含事件抽取、事件关系识别等任务☆82Updated last year
- 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
- code for ACL2020:《FLAT: Chinese NER Using Flat-Lattice Transformer》 我注释&修改&添加了部分源码,使得大家更容易复现这个代码。☆56Updated 4 years ago
- bilstm _Attention_crf☆37Updated 6 years ago
- 利用lstm和lstm/cnn进行答案问题匹配☆16Updated 7 years ago
- 实现了一下multi-head-selection联合关系实体抽取☆30Updated 5 years ago
- 在bert模型的pre_training基础上进行text_cnn文本分类☆78Updated 5 years ago
- 2020语言与智能技术竞赛:事件抽取任务 -- 联合抽取baseline☆55Updated 5 years ago
- 新闻文本自动摘要, 以Textrank 为基础,融入 标题特征,单句位置特征,重要实体特征,线索词特征,做句子的综合权重计算,并使用MMR算法,兼顾自动摘要的主题相关性和摘要多样性。☆26Updated 3 years ago
- 关系抽取个人实战总结以及开源工具包使用☆56Updated 6 years ago
- 2019百度语言与智能技术竞赛信息抽取赛代5名代码☆69Updated 5 years ago
- 基于Bert模型的关系抽取和实体识别、Entity Extraction and Relation Extract using Bert☆13Updated 5 years ago
- lic2020关系抽取比赛,使用Pytorch实现苏神的模型。☆101Updated 4 years ago
- 篇章级事件抽取☆20Updated 4 years ago
- 使用ACE2005创建以事件和实体为节点的事件知识图谱,用于智能问答☆18Updated 5 years ago
- COVID-2019 中文知识问答系统☆49Updated 4 years ago
- 通用kbqa,训练数据来源于ccks2018和2019,图谱数据爬取于百度百科☆24Updated 4 years ago
- 基于TensorFlow,seq2seq+attention+beamsearch的文本摘要。☆60Updated 6 years ago
- 一个简单地问答系统基于tfidf glove和bert☆26Updated 5 years ago
- 多标签文本分类☆54Updated 5 years ago
- A system for CCKS2019-CKBQA, whose single system reach 0.69 and ensemble system reach 0.73☆40Updated 3 years ago
- 端到端的基于知识图谱的问答系统,分为实体识别和关系分类两部,在BERT基础上做多任务联合训练。☆30Updated 5 years ago
- 事件抽取相关算法汇总☆125Updated 5 years ago
- 这是一个seq2seq模型,编码器是bert,解码器是transformer的解码器,可用于自然语言处理中文本生成领域的任务☆71Updated 5 years ago
- ccks_2019_百度实体链接技术比赛_第一名解决方案☆57Updated 5 years ago