文件名称：KBQA-BERT:基于知识图谱的QA系统，BERT模型
文件大小：5.79MB
文件格式：ZIP
更新时间：2024-03-31 16:16:34
系统开源
KBQA-BERT 基于知识图谱的QA系统，BERT模型需要下载BERT预训练模型（中文）chinese_L-12_H-768_A-12 解压缩后放在./ModelParams文件夹里面（注意整个chinese_L-12_H-768_A-12文件夹放进去） 另外需要在根目录建立输出文件夹存放训练的模型参数文件分为输出/ NER（命名实体识别）文件夹和输出/ SIM（相似度）文件夹 1.run_ner.sh训练（命名实体识别） 2.terminal_ner.sh（命名实体识别测试） 3.args.py train = true预训练模式 test = true相似度测试 4.run_similarity相似度的训练或测试（根据第3步的设置决定） 5.qa_my.sh（连接了本地的neo4j知识库） 问答 参考： :
【文件预览】：
KBQA-BERT-master
----neo4j_qa.py(834B)
----tf_metrics.py(8KB)
----global_config.py(2KB)
----lstm_crf_layer.py(7KB)
----bert()
--------run_squad.py(45KB)
--------multilingual.md(11KB)
--------tokenization.py(10KB)
--------run_classifier.py(31KB)
--------run_pretraining.py(18KB)
--------create_pretraining_data.py(15KB)
--------modeling.py(37KB)
--------tokenization_test.py(4KB)
--------requirements.txt(110B)
--------extract_features.py(14KB)
--------__init__.py(0B)
--------optimization_test.py(2KB)
--------optimization.py(6KB)
--------modeling_test.py(9KB)
--------CONTRIBUTING.md(1KB)
--------sample_text.txt(4KB)
--------LICENSE(11KB)
--------README.md(40KB)
----kbqa_test.py(7KB)
----run_ner.sh(636B)
----terminal_ner.sh(676B)
----Config()
--------SIM()
--------NER()
----run_ner.py(34KB)
----qa_my.sh(661B)
----subpcs.py(302B)
----run_similarity.py(28KB)
----recommend_articles.log.2019-08-23(3.22MB)
----recommend_articles.log.2019-08-21(6.43MB)
----adcf.py(3KB)
----fujc.py(1KB)
----LICENSE(11KB)
----terminal_predict.py(15KB)
----recommend_articles.log.2019-08-06(0B)
----qa_my.py(16KB)
----README.md(831B)
----Data()
--------data_process.py(3KB)
--------construct_dataset.py(2KB)
--------load_dbdata.py(3KB)
--------Sim_Data()
--------DB_Data()
--------NER_Data()
--------construct_dataset_attribute.py(2KB)
--------NLPCC2016KBQA()
--------triple_clean.py(2KB)
----image()
--------NER.jpg(11KB)
--------KB.png(15KB)
----args.py(786B)
----prt.py(124B)
----.gitignore(1KB)
----kl.py(42B)
----conlleval.pl(13KB)
----his.py(707B)
----conlleval.py(10KB)