知识图谱与智能问答的资料整理

基于LSTM的中文问答系统

本项目通过建立双向长短期记忆网络模型，实现了在多个句子中找到给定问题的答案所在的句子这一功能。在使用了互联网第三方资源的前提下，用training.data中的数据训练得到的模型对develop.data进行验证，MRR可达0.75以上

https://github.com/S-H-Y-GitHub/QA

CN-DBpedia

是由复旦大学知识工场实验室（http://kw.fudan.edu.cn/ ）研发并维护的大规模通用领域结构化百科，其前身是复旦GDM中文知识图谱 （http://baike.baidu.com/view/10608644.htm）。

https://mp.weixin.qq.com/s?__biz=MzI0MTI1Nzk1MA==&mid=2651675251&idx=1&sn=9031665d4b66100bf327a8797b7cd457&chksm=f2f7a6c2c5802fd4318b242aa395cf52e59a72a09026f9b91f0ddab6efbe9a1f0732e2d4c6ee#rd

QA 问答对排序模型小记

https://blog.youkuaiyun.com/sinat_30665603/article/details/80514902

Question Answering over Freebase via Attentive RNN with Similarity Matrix based论文解读

https://blog.youkuaiyun.com/KanShiMeKan/article/details/80483845

论文代码https://github.com/quyingqi/kbqa-ar-smcnn

从 6 篇顶会论文看「知识图谱」领域最新研究进展

http://www.dataguru.cn/article-13528-1.html

利用lstm和lstm/cnn进行答案问题匹配

https://github.com/cjfcsjt/QA-matching

LSTM模型在问答系统中的应用

https://www.jianshu.com/p/ce0c53761299

LSTM_CNN在问答系统中的应用

https://www.jianshu.com/p/0e94b2e5d55b

NLPCC（包含KBQA评测数据）2017

http://tcci.ccf.org.cn/conference/2017/

NLPCC（包含KBQA评测数据）2018

http://tcci.ccf.org.cn/conference/2018/taskdata.php