电影知识图谱设计与KBQA智能问答系统实现（有空再写）

1. 本体知识模型构建：使用 Protégé 工具，建立了电影领域的本体知识模型，定义了 Person, Movie, Genre 三个互斥类，并创建了对象属性与类的属性，以准确描述电影领域的实体与关系。
2. 结构化数据转换：通过 D2RQ 工具，将爬取的电影数据从 SQL 文件转换成 RDF 格式，实现了数据的结构化到语义化的转变。成功创建了映射文件，并将电影数据从 mysql 转换为 RDF 文件，为知识图谱的建立提供了数据支持。
3. 知识图谱构建与推理：运用 Jena 和 Fuseki 工具，建立了电影知识图谱，并配置了推理规则，增强了知识图谱的语义处理能力。成功导入了电影知识库和本体模型，配置并启动了 FUSEKI 服务，为智能问答系统提供了后台支持。

结合自然语言处理库（jieba、LTP、REfO等）和 Neo4j 知识图谱，开发了一个能够理解用户问题并返回精准答案的智能问答系统——“KBQA 智能问答系统”。成功实现了用户输入问题的界面，系统通过语义分析将提问转化为 Cypher 查询语句，与 Neo4j 服务器交互，最终返回准确的查询结果。