300行python代码从零开始构建基于知识图谱的电影问答系统-目录

平时除了看论文还是看论文,感觉有点无聊,于是嘛就想着搞点东西来玩玩,然后就搞了一个非常简单的基于知识图谱的电影问答系统。系统是用python实现的,大概只花了1天吧,代码也仅有300多行,可以说是很容易上手了。然后在这里也简单的记录下整个搭建过程,梳理思路,给那些像我一样想玩玩的童鞋一些参考,大佬请自动跳过。

首先给来看看我们要实现的是什么东西,效果图如下:
demo
完成这个系统主要涉及到以下一些知识点,其实知识点说不上,只需要对这些概念有印象即可,这个系统本来就是做着玩的,还不需要用那些复杂的东西。

  • 网络爬虫
  • 自然语言处理
  • 知识图谱
  • 图数据库
  • 机器学习

    看着这些点感觉内容挺多的,其实真正用到的只是一丢丢啦,比如说对于机器学习,其实我们就是用其中的一个分类器就可以了。这几部分我都写成了对应的处理类,代码也上传github了,想提前玩玩的可以去下载来试试(要是能给我个star就更好了(我怎么也这么无耻的来要star了。。。。

本系列教程除了目录只有4篇,或许这并不是一个很详细的教程,主要是想帮助大家对代码的理解,理清思路或者扰乱思路。在做试验的时候,我就是先理清思路再写的,这是一个不错的方法,由于这个教程不是很详细,大家有被我搅晕的地方,可以给我发邮件(irvingbei@qq.com
或者xiongzy@std.uestc.edu.cn),也可以去网上找找资料。

接下来根据业务逻辑从以下几个问题入手来介绍整个构建过程:

好啦,目录就这样吧,等后面把对应的部分写了就链接上。


文章作者: IrvingBei
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 IrvingBei !
评论
 上一篇
我的搬砖工具(科研工具)推荐-附下载链接 我的搬砖工具(科研工具)推荐-附下载链接
论文搜索: semantic scholar or 谷歌学术 or 谷歌学术搜索按钮插件 NLP论文list: ACL Anthology 第一个国内都可以访问,后面的需要访问国外,如果学校图书馆可以上谷歌学术的话,可以直接使用
2019-04-16
下一篇 
Beam search 算法的通俗理解 Beam search 算法的通俗理解
Beam search 算法在文本生成中用得比较多,用于选择较优的结果(可能并不是最优的)。接下来将以seq2seq机器翻译为例来说明这个Beam search的算法思想。在机器翻译中,beam search算法在测试的时候用的,因为在训练
2019-04-11
  目录