标签：BERT github stars 问答 开源 https com 调研

开源问答系统调研

• 1. QABasedOnMedicaKnowledgeGraph 3.5k stars
• 2. haystack: 2.7k stars
• 3. KBQA-BERT: 998 stars
• 4. KGQA-Based-On-medicine 822 stars
• 5. CrimeKgAssitant: 752 stars
• 6. QASystemOnMedicalGraph: 706 stars
• 7. QAonMilitaryKG: 393 stars

各类关于CQA，KBQA，KGQA问答系统的研究层出不穷，本文面向中文智能问答系统在工业界落地的需求，调研了GIthub上几个具有借鉴意义的问答系统项目。

1. QABasedOnMedicaKnowledgeGraph 3.5k stars

https://github.com/liuhuanyong/QASystemOnMedicalKG
基于知识图谱的问答系统，医疗领域。
数据库：neo4j
规模：7类实体共4.4万个，约30万条关系，18种问答意图。

2. haystack: 2.7k stars

https://github.com/deepset-ai/haystack
端到端的问答框架，实现基于文档数据的语义搜索和问答。
可整合Huggingface’s Transformers, Elasticsearch, Milvus等工具。
可使用知识库进行查询（使用语义网标准，如RDF、SPARQL）。见文档

3. KBQA-BERT: 998 stars

https://github.com/WenRichard/KBQA-BERT
技术介绍：基于BERT的KBQA探索
由两个点组成：

• 基于BERT的命名实体识别：在数据库中检索出与输入实体相关的所有三元组；
• 基于BERT的句子相似度计算：计算句子和三元组的相似度，给出结果。
  ps：感觉这个项目更像搜索而非问答。

4. KGQA-Based-On-medicine 822 stars

https://github.com/YeYzheng/KGQA-Based-On-medicine
基于药品疾病知识库的问答系统。
使用语义网框架，包括SPARQL，Apache Jena。
通过python进行语义解析（分词？），生成SPARQL查询语句，交由Apache Jena Fuseki服务从TDB数据中查出结果。

5. CrimeKgAssitant: 752 stars

https://github.com/liuhuanyong/CrimeKgAssitant
面向法律问题的问答系统。

• 罪名预测：按202种犯罪类型，对犯罪描述文本进行分类；
• 法务咨询问题分类：按12种问题类型，进行分类；
• 自动问答：根据问题，输出一些候选回答语句（感觉回答得比较敷衍）

6. QASystemOnMedicalGraph: 706 stars

https://github.com/zhihao-chen/QASystemOnMedicalGraph
基于知识图谱的问答系统，医疗领域。
数据库：neo4j
规模：包括15项信息，其中7类实体，约3.7万实体，21万实体关系。
包含意图分类功能。

7. QAonMilitaryKG: 393 stars

https://github.com/liuhuanyong/QAonMilitaryKG
军事知识库问答系统。
数据库：mongodb
采用工业级的问答架构，具有借鉴意义。

标签：BERT,github,stars,问答,开源,https,com,调研
来源： https://blog.csdn.net/qq_27844739/article/details/121285292

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。