2019-06-17问答系统项目落地调研

1 chatbot概述

1.1 行业分类及目前的应用状况

智能人机交互通过拟人化的交互体验逐步在智能客服、任务助理、智能家居、智能硬件、互动聊天等领域发挥巨大的作用和价值。因此,各大公司都将智能聊天机器人作为未来的入口级别的应用在对待。

包括Google、Facebook、Microsoft、Amazon、Apple等互联公司相继推出了自己的智能私人助理和机器人平台。

在Keras的Embedding层中使用预训练的word2vec词向量

本文的部分工作、代码、数据共享到gethub网站《使用多层级注意力机制和keras实现问题分类》:https://github.com/xqtbox/question-classification-with-multi-level-attention-mechanism-and-keras

1 准备工作

1.1 什么是词向量?

”词向量”(词嵌入)是将一类将词的语义映射到向量空间中去的自然语言处理技术。即将一个词用特定的向量来表示,向量之间的距离(例如,任意两个向量之间的L2范式距离或更常用的余弦距离)一定程度上表征了的词之间的语义关系。由这些向量形成的几何空间被称为一个嵌入空间。

Windows下neo4j安装使用

0. 简介

前面我们学习了如何使用jena完成一个全流程的知识图谱查询。jena的优势是可以快速的方便的集成各种插件,方便基于知识图谱的问答系统构建。

但是jena也有劣势:不能很好的可视化三元组。

实践篇(5):基于REfO的简单知识问答

本文主要参考SimmerChan大神文章:https://zhuanlan.zhihu.com/p/33224431
Pelhans 大神的博客:http://pelhans.com/2018/09/03/kg_from_0_note3/

1 简介

基于浙江大学在openKG上提供的 基于REfO的KBQA实现及示例。代码部分浙大方面已经完成绝大部分,这里主要将其应用到自己的知识图谱上。在运行KBQA代码前,应按照前面的教程将电影类知识图谱导入到Jena的TDB数据库中,并运行fuseki服务器,这样我们才能进行访问查询。

实践篇(4):Apache jena SPARQL endpoint及推理

本文主要参考SimmerChan大神文章:https://zhuanlan.zhihu.com/p/33224431 做了一些版本更新

0 前言

在上一步,我们得到了.nt格式的三元组文件。并且学会了如果使用sparsql语句进行三元组查询。

实践篇(3)RDF查询语言SPARQL

本文转载自SimmerChan大神知乎文章:https://zhuanlan.zhihu.com/p/32703794

简介

前面我们已经介绍过了语义网技术栈中的RDF,RDFS/OWL。这次我们介绍最

实践篇(2):关系数据库到RDF

简介

在上一文章中我们定义了本体结构、并且把数据保存在mysql中,其ER图如下:

实践篇(1)准备数据和本体建模

本文参考知乎大神SimmerChan文章:《实践篇(一):数据准备和本体建模》https://zhuanlan.zhihu.com/p/32389370

通过前面几篇文章的介绍,读者应该对知识图谱,其相关概念,以及语义网技术

03 知识图谱 知识抽取



image

知识抽取与挖掘

> 本文是王昊奋老师《知识图谱》系列笔记第三篇。

TDB Can't open database at location /path/to/db as it is already locked by the process with PID

1现象

当运行apache-jena-fuseki-3.7.0的时候,命令窗报错:Can’t open database at location /path/to/db as it is already locked by the process with PID 1234 when trying to open a TDB database。

说我们的TDB数据库被 一个进程给占用了。我赶紧搜索怎么解决。

2解决办法:

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×