基于BERT、注意力机制和LSTM的智能校园知识图谱问答推荐系统(NLP算法应用，附Python源码及训练模型和数据集)

简介：
本项目构建了一套结合BERT、注意力机制与LSTM技术的智能校园知识图谱问答系统，旨在提升校园信息检索效率。提供完整Python代码、预训练模型及数据集，适用于NLP算法实践与研究。 本项目利用Google的Bert模型以及基于Attention的大规模语料预训练模型构建LSTM命名实体识别网络，并设计了一套问答系统通用处理逻辑以实现智能问答任务。 项目的运行环境包括Python环境及服务器环境，涉及五个模块：构造数据集、识别网络、命名实体纠错、检索问题类别和查询结果。所用的数据是从北京邮电大学图书馆网站爬取的，主要包括教师信息（如电话号码、研究方向以及性别）和课程详情（例如学分与开设学期）。项目中使用了Google的Bert模型，并对LSTM模型代码进行了调整以进行训练；同时针对识别到的课程实体采用了最短编辑距离匹配法及包含法相结合的方式来进行纠错。此外，通过识别出的实体类别以及检索得到的关键字来分类问题。