（六）基于文本的QA问答系统——前后端介绍

原创 已于 2022-06-12 10:03:32 修改 · 702 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #人工智能 #自然语言处理 #python #nlp

于 2022-06-12 09:50:09 首次发布
该博客介绍了前端和后端的构建过程。前端主要实现用户交互，包括输入问题、选择教材、显示问答和检索结果的功能，代码量约为600行。后端采用Tomcat搭建，负责调度AI模型、内容检索及问题库管理，代码量总计13000行，个人贡献9000行。

前后端介绍

前后端构建

前端

需求分析

需要为用户提供输入问题、选择教材的交互功能，能够显示问答结果和检索结果。

页面内容

在这里插入图片描述

用户可以在中间搜索栏输入搜索内容，搜索栏上方的文字指示问题是否和上一问题相关。输入搜索内容后点击“提问”。

在这里插入图片描述

中间栏对应问答系统的结果，三个对话框对应三种算法。

在这里插入图片描述

底部栏用于展示检索到的相关文本。

在这里插入图片描述
用户可以在教材选择页面选择教材。

代码量

两个页面代码量约600行。

后端

使用tomcat构建，用于调度不同的AI模型、进行内容检索、以及管理问题库。
在这里插入图片描述

最低0.47元/天 解锁文章
（三）基于文本的QA问答系统——SGPT：GPT Sentence Embeddings for Semantic Search解读
Simonsdu的博客
03-26 3292
SGPT：GPT Sentence Embeddings for Semantic Search解读 文章目录SGPT：GPT Sentence Embeddings for Semantic Search解读概述先序知识预训练模型两大范式浅层词嵌入预训练编码器GPTPrompt文章解读SGPT Cross-Encoder Asymmetric SearchSGPT Bi-Encoder Asymmetric Search存在的问题1、中文预训练GPT模型十分匮乏。2、怎样算是一个好的Prompt 概述 该
(二)基于文本的智能QA问答系统——项目进展1
m0_56927733的博客
04-09 845
面向问题的信息检索系统 1、查找关键词抽取算法 ​ 尝试了textRank和FastTextRank抽取算法 ​ 跑通了textRank ​ 实现截图： 2、实现段落分割 3、实现简单python和java通信 基于预训练模型的文档语义检索系统 1、实现hugging face预训练模型加载 2、crossencoder方法实现 注意分数越大，相关度越高，第三条相关度最高，经人工检验符合要求。 3、测试不同的prompt 4、biencoder方法实现 第三条是最符合qu
question-answer:医疗健康问答系统web前端
05-14
question-answer 项目预览地址: 关联项目： Build Setup # Clone project git clone https://github.com/PanJiaChen/vueAdmin-template.git # Install dependencies npm install or npm install --registry=https://registry.npm.taobao.org # serve with hot reload at localhost:9090 npm run dev # build for production with minification npm run build # build for production and view the bundle analyzer report npm run build --re
（二）基于文本的QA问答系统——深度检索模型概述
Simonsdu的博客
03-20 951
深度检索模型 概述 该部分用于基于上下文信息实现语境对称检索和语境非对称检索。 名词解释 语境检索semantic search指的是结合上下文语境信息的检索。 关于对称检索和非对称检索在文章SGPT: GPT Sentence Embeddings for Semantic Search中有如下解释： 简而言之对称检索指的是query与doc的结构和语义相似，找到与query最相关的若干doc； 非对称检索指的是query与doc结构与语义差异较大，找到与query最相关的若干doc。 动机 预训练语言
【项目】问答系统-界面-前台
大数据精读周刊
03-10 2056
首页 问题精选 个人信息 认识之星 答题排行榜 问题分类 搜索页面 搜索 搜索结果 问答页面 未解决问题 已经解决 所有问答 相关回答 提问 回答 回答完毕 个人主页 我的首页 我的提问 我的回答 我的等级 我的金币 上传头像 侧栏 ...
基于知识图谱的前后端（vue+django）分离的问答系统的设计与实现（三）：前端开发
weixin_42318092的博客
05-22 4031
基于知识图谱的前后端（vue+django）分离的问答系统的设计与实现（三）：前端开发基于知识图谱的前后端（vue+django）分离的问答系统的设计与实现 ，公共组件和静态页面的编写，配置路由跳转逻辑，常用的表单提交以及element ui 的 列表查询与过滤。
基于neo4j的菜谱知识图谱问答系统
最新发布
qalangtao的博客-qalangtao.com
11-05 467
烹饪美食不再难！毕业设计头疼选题？或许你只需这个——。
生成式信息检索（问答系统与信息检索的进步）
lt5227的博客
07-11 3599
问答系统的发展经历了从基本检索系统到利用深度学习模型的复杂问答系统的演变。这些系统通过使用词嵌入、预训练语言模型和向量数据库来改善信息的检索和生成。最新的技术如可微搜索索引（DSI）和生成式检索方法在提供精准答案的同时，面临诸如遗忘问题和扩展性挑战。同时，开放式生成问答系统如REALM和RAG利用外部记忆来提高回答质量，展示了在处理开放域问题时的优势。这些系统的设计不仅关注效率，还强调答案的准确性和来源的透明度，旨在优化用户体验并减少信息检索的成本。
智能问答系统实践——答案选择
热门推荐
Index_gz
04-07 2万+
问题描述 这个问题来自于SemEval-2015Task3: Answer Selection in Community Question Answering. 简单的说就是从一堆问题和答案中找出他们之间的相关性。 这个Task包含两个Subtasks：          1.给定一个问题和一些答案，将答案进行为3类：good/potential/bad。          2.给定一个
（九）基于文本的QA问答系统——总结回顾
Simonsdu的博客
06-12 427
总结回顾项目实训——基于文本的智能问答系统
kbqa:基于知识图谱的中文症状问答系统，前端vue，后端springboot
05-30
kbqa，欢迎大家star 基于知识图谱的中文症状问答系统，前端vue.js，后端springboot 开发语言是java，运行环境是windows 用到的技术：word2vec，doc2vec，编辑距离，词性标注，依存句法分析，scrapy，sparql 用到的工具：jena，Neo4j，Protégé，mysql，D2RQ，TDB，drools，Fuseki 涉及的知识：知识表示，知识建模，知识抽取，知识存储，知识融合，知识问答，知识推理，RDF 算法逻辑目录：kbqa/KGServer/src/main/java/NLP/ 图数据库处理目录：kbqa/KGServer/src/main/java/TDB/ 如果只想简单的做实验可以查看kbqa/KGServer目录 如果想跑通整个项目，则需要安装Neo4j，mysql等第三方软件，且需要以下数据文件 有data文件，放在KGServe
问答系统基于java web
01-15
后端用SSH框架，前端用组件化开发，前后端完全分离。。。数据交互用json，SQL语句忘记保留，运行要用nginx
QA-system:一个简单的质量检查系统，可以回答从什么，在哪里，何时和如何开始的问题
03-30
质量检查系统 一个简单的Q / A系统，可以回答从什么，在哪里，何时和如何开始的问题。
在线问答系统 MVC框架
12-18
基于web的在线问答平台，JSP+servlet+jdbc实现的MVC框架
CmsEasyQA问答系统
08-14
CmsEasyQA问答系统是一个以PHP+MySQL进行开发的php问答系统源码。 CmsEasyQA问答系统拥有积分、打赏、分享等功能，激发用户主动创作内容，扩散有价值的信息，从而有利于品牌传播和产品营
【Vue】利用vue.js、vuex和vue router组件、element ui plus组件来创建基于知识图谱的智能问答系统的前端部分
Jacker
09-21 1601
为了创建一个基于知识图谱的智能问答系统，你可以用Vue.js构建一个单页面应用程序，使用Vuex来管理状态，使用Vue Router来实现页面路由，并使用Element UI Plus来构建用户界面。例如，你可以使用列表组件来显示图谱中的所有问题，使用标签组件来标记问题的主题，或使用分页组件来展示分页查询的结果。在上面的代码中，我们使用Element UI Plus的Header、Menu和Footer组件来创建应用程序的布局，使用Vue Router的router-view组件来呈现当前路由的组件。
前端问答
weixin_42589742的博客
10-14 197
请问一下这里为什么一定要加()才可以执行。加了括号以后这个空对象变成了什么？请大神详细讲解一下。  
（四）基于文本的QA问答系统——biencoder方法
Simonsdu的博客
04-09 1399
biencoder方法 加载预训练模型 我们使用Muennighoff/SGPT-125M-weightedmean-msmarco-specb-bitfit预训练模型。 tokenizer = AutoTokenizer.from_pretrained("Muennighoff/SGPT-125M-weightedmean-msmarco-specb-bitfit",cache_dir = './SGPT-125M-weightedmean-msmarco-specb-bitfit') model = A
（一）基于文本的QA问答系统——交互系统简介
Simonsdu的博客
03-20 990
交互系统介绍 概述 本项目中，交互系统指的是GUI页面、后端服务器。 主要任务包括： 1、与用户进行交互，提供图形化服务。 2、处理和生成上下文信息（context），为下游任务服务。 3、判断用户该问题与前序问题的相关度，从而开启新任务或生成上下文信息。 4、更新Q set。 核心难点在于： 1、如何基于谦虚多个问题生成上下文信息。 2、如何判断用户是否开启一个新的问答任务（即当前问题和上一个问题的相关度计算） 架构 进度安排 前四周完成问题相关度的判别方法。 第四到八周完成上下文的生成问题。 八周以后
基于知识图谱的医疗问答系统前端展示源码
结合所提供的资源信息——“基于知识图谱的医疗问答系统和前端展示demo源码+项目说明”，我们可以深入剖析其背后所涉及的核心知识点与技术架构。 首先，从标题来看，“基于知识图谱”是整个项目的核心技术基础。...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值