wangfin / QAsystemLinks
Intelligent Q&A system(第七届中软杯,智能问答系统)
☆181Updated 3 years ago
Alternatives and similar repositories for QAsystem
Users that are interested in QAsystem are comparing it to the libraries listed below
Sorting:
- 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
- A trial of kbqa based on bert for NLPCC2016/2017 Task 5 (基于BERT的中文知识库问答实践,代码可跑通)☆272Updated 6 years ago
- 基于bert的kbqa系统☆152Updated 3 years ago
- 豆瓣书籍,电影类别的知识图谱问答系统☆266Updated 4 years ago
- 基于知识图谱的问答系统☆72Updated 6 years ago
- 智能客服系统(智能问答)☆117Updated 5 years ago
- 中文知识库问答代码,CCKS2019 CKBQA评测第四名解决方案☆480Updated 4 years ago
- 周杰伦歌曲信息的知识图谱问答系统☆140Updated 6 years ago
- 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☆219Updated 4 years ago
- 基于知识图谱的问答系统☆136Updated 5 years ago
- 中文wiki百科QA阅读理解问答系统,使用了CCKS2016数据的NER模型和CMRC2018的阅读理解模型,还有W2V词向量搜索,使用torchserve部署☆91Updated 4 years ago
- 从模型训练到部署,实战知识图谱(Knowledge Graph)&自然语言处理(NLP)。涉及 Tensorflow, Bert+Bi-LSTM+CRF,Neo4j等 涵盖 Named Entity Recognition,Text Classify,Informatio…☆90Updated 5 years ago
- 本项目是利用深度学习技术来构建知识图谱方向上的一次尝试,作为开放领域的关系抽取,算是笔者的一次创新,目前在这方面的文章和项目都很少。☆312Updated 2 years ago
- 基于知识库的中文问答系统(biLSTM)☆247Updated 6 years ago
- 结合BERT+GRU+ATT模型,对自己收集的人物关系数据进行模型训练,用于人物关系抽取。☆326Updated 2 years ago
- 本项目用于展示三元组抽取后形成的知识图谱,包括几本小说的实体关系,以及README.md,介绍这方面的一篇文章。☆199Updated 5 years ago
- 基于远监督的中文关系抽取☆384Updated 4 years ago
- 抽取中文三元组☆95Updated 2 years ago
- 基于知识库的问答:seq2seq模型实践☆357Updated 5 years ago
- 基于汽车知识图谱的汽车问答多轮对话系统☆37Updated 5 years ago
- 中文智能客服机器人demo,包含闲聊和专业问答2个部分,支持自定义组件(Chinese intelligent customer chatbot Demo, including the gossip and the professional Q&A(FAQ) , suppo…☆311Updated 3 years ago
- 客服机器人,Chinese Retreival chatbot(中文检索式机器人)用到的一些QA模型,基于tf-idf,lsa,cnn,transformer,bert等☆443Updated 3 years ago
- 智能问答系统demo☆39Updated 6 years ago
- 中文关系抽取☆94Updated 3 years ago
- 基于知识图谱的问答☆305Updated 8 years ago
- Code for http://lic2019.ccf.org.cn/kg 信息抽取。使用基于 BERT 的实体抽取和关系抽取的端到端的联合模型。☆288Updated 6 years ago
- 使用python实现一个简单的基于知识图谱的电影问答系统☆269Updated last year
- 中文自然语言的实体抽取和意图识别(Natural Language Understanding),可选Bi-LSTM + CRF 或者 IDCNN + CRF☆185Updated 6 years ago
- 医疗实体识别☆182Updated 4 years ago
- 2019百度的关系抽取比赛,使用Pytorch实现苏神的模型,F1在dev集可达到0.75,联合关系抽取,Joint Relation Extraction.☆315Updated 5 years ago