- 博客(4)
- 收藏
- 关注
RSS订阅原创 知识图谱综合实践
通过爬虫技术，收集周深亦今为止所有已发布的歌曲作品，及相应的描述信息。尝试针对与周深现有所有歌曲作品，所对应的相应实体（如作词人、作曲人，所在专辑，合作者，出品方）及他们之间的相应关系进行分析，构建成知识图谱，随后针对这些信息，使用OpenUe进行关系抽取，随后将相应的三元关系存入neo4j，最后通过flask构建一个简单的web在线检索分析系统。收集到的数据如图所示：对歌曲数据进行去重、预处理，获取核心歌曲作品共121。
2025-12-09 09:24:33
839
原创 图数据库中大模型的引入
中文医疗对话数据集包含了110万条医患对话，该数据集来源于好大夫 (http://haodf.com/），时间跨度从2010年到2020年，由圣地亚哥大学收集整理。在浏览器输入localhost:7070可以进入TuGraph平台登录界面，用默认账号admin，密码73@TuGraph可以登录。本次数据集为Chinese MedDialog Dataset / 中文医疗对话数据集。2.运行TuGraphlangchain.py。2.运行neo4jlangchain.py。三、与neo4j连接。
2025-12-02 23:10:48
228
原创 TuGraph知识图谱
在浏览器输入localhost:7070可以进入TuGraph平台登录界面，用默认账号admin，密码73@TuGraph可以登录。不知道什么原因最后一行会出现一个逗号需要手动删除之后才能在TuGraph进行模型的导入否则会出现导入失败没反应的情况。四、通过以下代码实现python与TuGraph连通，并实现Cypher语句链接，到最后的用户交互。接着在TuGraph平台左侧的模型中选择导入刚刚代码生成的example.json。然后再TuGraph平台内部左侧的导入部分进行数据的导入。
2025-11-26 18:57:14
317
原创 医疗知识图谱对话系统
基于结构化医疗知识图谱，通过自然语言理解用户问题并返回用户所需的答案的对话系统，可以总体分为四层：分别是数据层、解析层、查询层和交互层。2、对于解析层来说，将用户需要咨询的问题转化为电脑可以理解的问题，通过分析用户输入的自然语言来识别意图，根据意图进行实体关系的匹配。4、对于交互层来说，是与用户直接接触的一个界面，基于用户的问题，将查询层的结果输出为用户看得懂的语言。1、对于数据层来说，通过neo4j将抽象的数据化为节点，并通过关系将节点串起来，实现复杂语义的串联。本次实验在学校机房完成。
2025-11-18 14:11:14
320
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人