自然语言处理（NLP）：20 基于知识图谱的智能问答系统_基于nlp的智能问答

基于知识图谱的问答系统答即根据一个问题，抽出一条三元组，生成类 sql 语句，知识图谱查询返回答案。本文是基于知识图谱的问答系统，通过 BERT+CRF 做命名实体识别和句子相似度比较，最后实现线上的部署。

针对知识图谱的问题系统，重点解决的几个重要问题。通过本文学习，让你掌握知识图谱涉及的主要内容，通过本文分享，大家搭建快速搭建一个知识图谱的智能问答应该没什么问题了。

• 知识库创建( 一般情况下，这个工作工作非常大，也非常重要。针对数据一般来自公司、比赛、以及通过爬虫来构建数据知识库）
• 命名实体识别(一般通过bert_crf,bilstm_crf 等模型来完成，实际工作一般也需要工作增加规则来处理）
• 实体链接到知识库进行检索（我们识别实体后，如何正确去对应到我们的知识库，也是我们的重点，这块很多思路大家可以提前在nlp 很多比赛都有提及）
• 基于知识库的问答（一般我们都是基于图数据库来完成的，根据数据量的大小来选择，例如：neo4j、JanusGraph等。如果是简单的知识库关系可以mysql，redis，mongo存储即可）
• 知识图谱一般垂直领域图谱或者开放领域图谱，持续优化的过程关注在知识库创建上。创建完成，可以直接应用到搜索，推荐，智能客服等对话系统。。。

本文主要研究内容如下

• 问答 QA 系统简单介绍
  • 数据集介绍（实体间歧义问题、检索模型效果）
  • KBQA整理流程介绍
  • 评价标准回顾
• 命名实体识别数据准备