基于知识图谱的问答系统（KBQA-BERT）命名实体识别与句子相似度计算的在线大纲及程序源代码数据

简介：
本项目开发了一种结合知识图谱和BERT模型的问答系统(KBQA-BERT)，专注于提升命名实体识别精度和句子间语义相似度，以增强问答匹配效果。包括详尽的设计文档与源码。 KBQA-BERT项目基于知识图谱的问答系统主要包含两个重要部分：一是利用BERT进行命名实体识别；二是运用BERT计算句子相似度。这两个模块被整合进一个基于BERT的知识库问答（KBQA）系统中，其中命名实体识别分为在线预测和轮廓预测；而句子相似度同样包括了这两种形式的预测。每个模块独立运作，确保高内聚低耦合的效果。 项目结构如下： - bert文件夹：包含从Google官方下载的相关文件。 - Data文件夹：用于存放原始数据及处理后的数据。 - construct_dataset.py: 生成命名实体识别（NER）所需的数据集。 - construct_dataset_attribute.py: 创建句子相似度计算所需的训练和测试数据集。 - triple_clean.py: 处理并生成三元组形式的知识图谱数据。 - load_dbdata.py：将处理后的数据导入MySQL数据库。 此外，ModelParams文件夹需要下载BERT的中文配置文件（chinese_L-12_H-768_A-12）。